N维数组（ndarray）

构造数组

新数组可以使用数组创建例程中详述的例程以及使用低级ndarray构造函数构建：

索引数组

数组可以使用扩展的Python切片语法array[selection]来索引。类似的语法也用于访问结构化数组中的字段。

ndarray的内存布局

类ndarray的实例由计算机存储器的一维连续段（由该数组、或一些其他对象拥有）组成，结合索引方案映射N个整数为块中元素的位置。索引可以变化的范围由数组的shape指定。每个元素占用多少字节以及如何解释字节由与数组相关联的数据类型对象定义。

存储器段本质上是1维的，并且将N维数组的元素组织为1维的内存块有许多不同方案。NumPy是灵活的，ndarray对象可以适应任何strided索引方案。在一个strided方案中，N维索引对应于偏移量（以字节为单位）：

从与数组相关联的存储器块的开始。这里，是指定数组的strides的整数。column-major顺序（例如在Fortran语言和Matlab中使用）和row-major方案仅仅是特定种类的跨距方案，并且对应于可以通过步幅寻址的存储器：

其中 = self.shape [j]。

C和Fortran顺序都是contiguous，即 单段的存储器布局，其中可以访问存储器块的每个部分通过指数的一些组合。

虽然具有相应标志设置的C风格和Fortran风格的连续数组可以用上述步幅来解决，但实际的步幅可能不同。这可能发生在两种情况下：

1. 如果self.shape [k] == 1，则对于任何法定索引[k] == 0。这意味着在偏移的公式中，因此和 = self.strides [k]的值是任意的。
2. 如果数组没有元素（self.size == 0），则没有法律索引和步长从不使用。任何没有元素的数组都可以被认为是C风格和Fortran风格的连续。

点1.意味着self和self.squeeze()始终具有相同的邻接和对齐标志值。这也意味着，即使一个高维的数组可以是C风格和Fortran风格的连续的同时。

如果所有元素的内存偏移和基本偏移本身是self.itemsize的倍数，则认为数组是对齐的。

除非另有规定，否则新ndarrays中的数据处于row-major（C）顺序，但是例如basic array slicing views。

Array attributes

数组属性反映数组本身固有的信息。通常，通过其属性访问数组允许您获取并有时设置数组的固有属性，而不创建新的数组。暴露的属性是数组的核心部分，只有其中的一些可以有意义地重置，而不创建新的数组。下面给出每个属性的信息。

Array methods

ndarray对象有许多以某种方式对数组进行操作的方法，通常返回数组结果。下面简要解释这些方法。（每个方法的docstring有一个更完整的描述。）

For the following methods there are also corresponding functions in numpy: all, any, argmax, argmin, argpartition, argsort, choose, clip, compress, copy, cumprod, cumsum, diagonal, imag, max, mean, min, nonzero, partition, prod, ptp, put, ravel, real, repeat, reshape, round, searchsorted, sort, squeeze, std, sum, swapaxes, take, trace, transpose, var.

>>> x
array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8]],
       [[ 9, 10, 11],
        [12, 13, 14],
        [15, 16, 17]],
       [[18, 19, 20],
        [21, 22, 23],
        [24, 25, 26]]])
>>> x.sum(axis=0)
array([[27, 30, 33],
       [36, 39, 42],
       [45, 48, 51]])
>>> # for sum, axis is the first keyword, so we may omit it,
>>> # specifying only its value
>>> x.sum(0), x.sum(1), x.sum(2)
(array([[27, 30, 33],
        [36, 39, 42],
        [45, 48, 51]]),
 array([[ 9, 12, 15],
        [36, 39, 42],
        [63, 66, 69]]),
 array([[ 3, 12, 21],
        [30, 39, 48],
        [57, 66, 75]]))

Arithmetic, matrix multiplication, and comparison operations

对ndarrays的算术和比较操作被定义为逐元素操作，并且通常产生ndarray对象作为结果。

Each of the arithmetic operations (+, -, *, /, //, %, divmod(), ** or pow(), <<, >>, &, ^, |, ~) and the comparisons (==, <, >, <=, >=, !=) is equivalent to the corresponding universal function (or ufunc for short) in NumPy. 有关详细信息，请参阅Universal Functions部分。

比较运算符：

数组的真值（bool）：

一元操作：

算术：

算术，就地：

矩阵乘法：

Special methods

对于标准库函数：

基本定制：

容器自定义:(参见Indexing）

转换；操作complex，int，long，float，oct和hex。它们只对具有一个元素的数组工作，并返回相应的标量。

字符串表示：