一、综述
1、ndarray的本质是：对象
2、ndarray是numpy中的数据结构（叫做：n维数组），是同构数据多维容器，所有元素必须是相同类型
3、面向数组的编程和思维方式：用简洁的数组表达式代替循环写法，通常叫做 --‘矢量化’
二、ndarray属性：
1、ndarray.ndim：数组的维数（即数组轴的个数，也被称作为 秩 ）。
2、ndarray.shape：数组的维数、维度，返回一个元组，这个元组的长度就是维度的数目，即ndim属性。比如2排3列的矩阵，其shape就是二元组（2，3）
3、ndarray.size：数组元素的总个数，等于shape属性的 元组中各元素的乘积。
4、ndarray.dtype：表示数组中元素类型的对象
5、itemsize : 数组中 每个元素 占用的 字节大小
特殊，ndarray对象可 通过 reshape() 方法，重新组织数组的维数维度（即数组的形状），其中用 -1代表自动推断某维度的维数
三、创建ndarray对象
3种方式： （1）从python的基础数据对象转化； （2）通过numpy内置函数生成 ； （3）从硬盘（文件）中直接读取
3.1 直接从list对象创建
a = np.array([1,2,3,4,5]) # array([1,2,3,4,5])
b = np.array([1,2,3,4,5],dtype=np.float) # array([1.,2.,3.,4.,5.]) 创建时直接转换数据类型
c = a.astype(np.float64) #array([1.,2.,3.,4.,5.]) 创建后，通过内置的astype() 函数，转换数据类型
3.2 通过numpy内置函数生成
3.3 从硬盘（文件）中直接读取
numpy.loadtxt（）
参数：
fname :文件 或者文件路径（字符串），支持压缩的数据文件 包括gz、bz
dtype:数据类型，默认为float64(64位双精度浮点数）
comments: 字符串或 字符串组成的列表，默认为# ， 是表示注释字符集开始的标志
delimiter: 字符串，用来分割多个列的分隔符，默认 为 空格
converters: 字典， 用于将特定列的数据，转换为字典中对应的函数的浮点型数据，默认为空
skiprows : 正整数n，读取时跳过前n行，默认为零
usecols : 元组（元组内数据为列的数值索引）， 用来指定要读取数据的列（第一列为0），默认为空
unpack: 布尔值（True/False）， 用来指定是否转置
ndmin : 整数型，值域为0、1、2，默认为0， 用于指定返回的数组至少包含特定维度的数组
numpy.savetxt（）
四 、ndarray数据类型
原文地址：https://www.cnblogs.com/wl413911/p/11320615.html