Numpy 最重要的一个特点是 N 维数组对象 ndarrary ，它是一系列同类型数据的集合，以 0 下标为开始进行集合中的索引。
ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中每个元素在村中都有相同储存大小的区域。
ndarray 内部有以下内容组成：
1、一个指向数据（内存或内存映射文件中的一块数据）的指针
2、数据类型或 dtype，描述在数组中的固定大小值的格子
3、一个表示数组形状（shape）的元组，表示各维度大小的元组
4、一个跨元组（stride），其中的整数值得是为了当前进到当前维度下一个元素需要“跨过”的字节数。
跨度可以是负数，这样是数组在内存中后向移动，切片中obj[:: -1]或 obj[;, :: -1]就是如此。
创建一个ndarray只需调用Numpy的array函数即可：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = )
参数说明：
| 名称 | 描述 |
| object | 数组或嵌套的数列 |
| dtype | 数组元素的数据类型， 可选 |
| copy | 对象是否需要复制， 可选 |
| order | 创建数组的样式，C为行为方向， F为列方向， A为任意的方向（默认） |
| subok | 默认返回一个与基类类型一致的数组 |
| ndmin | 指定生成数组的最小维度 |
实例：
接下来可以通过以下实例帮助我们更好的理解：
实例1：
import numpy as np
a = np.array([, ,])
print(a) 输出结果如下： [, , ] 实例2：多余一个维度：
import numpy as np
a = np.array([[1, 2], [3, 4]])
print(a) 输出结果如下：
[[1, 2]
[3, 4]]
实例3 ；最小维度：
import numpy as np
a = np.array([1, 2, 3, 4, 5], ndmin = 2)
print(a)
输出如下：
[[11,2,3,4,5]]
实例4：dtype 参数
import numpy as np
a = np.array([1,2,3], dtype = cpmplex)
print(a)
输出结果：
[ 1. +0.j, 2 + 0.j, 3 +0.j]
ndarray对象由计算机内存的连续一维部分组成，并结合索引模式， 将每个元素映射到内存块中的一个位置。 内存块以行顺序（FORTRAN或MatLab的风格， 即前述的F 样式）来保存元素。