Python現在是最熱門的人工智能語言，各種工具的支持如Google的Tensorflow，都是首選支持Python的。

但是，與R語言不同，Python語言設計時，并沒有考慮對于矩陣運算，統計計算等功能做專項支持。于是我們需要NumPy庫來補足這一能力上的不足。

NumPy是Python的著名擴展庫，相當于Python中的MATLAB。

Numpy 中，ndarray 類具有六個參數，它們分別為：

shape：數組的形狀。 dtype：數據類型。 buffer：對象暴露緩沖區接口。 offset：數組數據的偏移量。 strides：數據步長。 order：{'C'，'F'}，以行或列為主排列順序。

如何生成多維數組

初識ndarray多維數組

在算法中我們最經常用到的就是矩陣，我們就從矩陣開始說起吧。
NumPy中，使用二維的多維數組ndarray來存儲矩陣。

例：

a3 = np.array([[1,0],[0,1]])

會生成這樣一個多維數組對象

array([[1, 0],  [0, 1]])

生成數組序列

通過開始值、結束值和步長值生成數組序列 - arange

可以通過arange函數來生成指定開始值，結束值和步長值的一維數組。請注意，結束值并不包含在序列中，也就是說結束值是開區間。

In [25]: a4 = np.arange(1,10,1)In [26]: a4Out[26]: array([1, 2, 3, 4, 5, 6, 7, 8, 9])

線性序列 - linspace

與arange類似，linspace通過給定初值、終值和元素個數來生成序列。是否包含終值可以通過endpoint屬性來設置。

例：

In [37]: a8 = np.linspace(1,10,10,endpoint=True)In [38]: a8Out[38]: array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])

等比序列 - logspace

除了線性的等差數列，我們也可以通過等比數列的方式來生成一維數組。

默認是以10的n次方為參數，比如logspace(0,4,3)的意思是，初值為10的0次方，即1，終值是10的4次方，即100，一共生成3個值。

例，生成[1,100,10000]

In [47]: a9 = np.logspace(0,4,3)In [48]: a9Out[48]: array([ 1.00000000e+00, 1.00000000e+02, 1.00000000e+04])

我們當然也可以修改基數，比如改成3：

In [53]: a10 = np.logspace(1,5,3,base=3)In [54]: a10Out[54]: array([ 3., 27., 243.])

改變多維數組的形狀

如果有一個一維數組要轉為多維數組，可以通過修改shape屬性來實現。

我們可以先將數據存在一維數組中，可以用列表或者元組來生成一維數組，它們是等價的：

例：

In [2]: a1 = np.array([1,2,3,4])In [3]: a1Out[3]: array([1, 2, 3, 4])In [4]: a2 = np.array((1,0,0,1))In [5]: a2Out[5]: array([1, 0, 0, 1])

我們通過shape屬性來查看一個數組的形狀：