目前我的工作是將NumPy引入到Pyston中（一款Dropbox實現的Python編譯器/解釋器）。在工作過程中，我深入接觸了NumPy源碼，了解其實現并提交了PR修復NumPy的bug。在與NumPy源碼以及NumPy開發者打交道的過程中，我發現當今中文NumPy教程大部分都是翻譯或參考英文文檔，因此導致了許多疏漏。比如NumPy數組中的broadcast功能，幾乎所有中文文檔都翻譯為“廣播”。而NumPy的開發者之一，回復到“broadcast is a compound -- native English speakers can see that it's " broad" + "cast" = "cast (scatter, distribute) broadly, I guess "cast (scatter, distribute) broadly" probably is closer to the meaning（NumPy中的含義）"。有鑒于此，我打算啟動一個項目，以我對NumPy使用以及源碼層面的了解編寫一個系列的教程。
NumPy數組
NumPy數組是一個多維數組對象，稱為ndarray。其由兩部分組成：
實際的數據 描述這些數據的元數據大部分操作僅針對于元數據，而不改變底層實際的數據。
關于NumPy數組有幾點必需了解的：
NumPy數組的下標從0開始。 同一個NumPy數組中所有元素的類型必須是相同的。NumPy數組屬性
在詳細介紹NumPy數組之前。先詳細介紹下NumPy數組的基本屬性。NumPy數組的維數稱為秩（rank），一維數組的秩為1，二維數組的秩為2，以此類推。在NumPy中，每一個線性的數組稱為是一個軸（axes），秩其實是描述軸的數量。比如說，二維數組相當于是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是NumPy中的軸（axes），第一個軸相當于是底層數組，第二個軸是底層數組里的數組。而軸的數量——秩，就是數組的維數。
NumPy的數組中比較重要ndarray對象屬性有：
ndarray.ndim：數組的維數（即數組軸的個數），等于秩。最常見的為二維數組（矩陣）。 ndarray.shape：數組的維度。為一個表示數組在每個維度上大小的整數元組。例如二維數組中，表示數組的“行數”和“列數”。ndarray.shape返回一個元組，這個元組的長度就是維度的數目，即ndim屬性。 ndarray.size：數組元素的總個數，等于shape屬性中元組元素的乘積。 ndarray.dtype：表示數組中元素類型的對象，可使用標準的Python類型創建或指定dtype。另外也可使用前一篇文章中介紹的NumPy提供的數據類型。 ndarray.itemsize：數組中每個元素的字節大小。例如，一個元素類型為float64的數組itemsiz屬性值為8(float64占用64個bits，每個字節長度為8，所以64/8，占用8個字節），又如，一個元素類型為complex32的數組item屬性為4（32/8）。 ndarray.data：包含實際數組元素的緩沖區，由于一般通過數組的索引獲取元素，所以通常不需要使用這個屬性。新聞熱點
疑難解答
