numpy作为python科学计算的基础模块，支撑起了pandas、matplotlib等使用。其中，ndarray作为numpy的重要使用对象不得不研究理解一下。
ndarray，存储单一数据类型的多维数组结构，在内存中连续存在，以行索引和列索引的方式标记数组中的每一个元素。采用预编译好的C语言代码，性能上的表现十分不错。
1、ndarray的数据结构
2、ndarray的创建
numpy主要有以下几种方式创建数组。除此之外，其他过程也可能产生数组，比如：cv2.imread读取图片，返回数组。
np.array() # 传入类数组数据结构，list，tuple等，或者其他嵌套序列。返回的维度依据传入的数据而定 np.linspace() # 根据给定的间距生成等差序列，指定元素数量，返回一维数组 np.arange()# 根据给定的间距生成等差序列，指定步长。返回一维数组 np.ones() # 根据传入的shape，返回一个元素全是1的数组 np.zeros() # 根据传入的shape，返回一个元素全是0的数组 np.full() # 根据传入的shape和value，返回一个元素全是value的数组，比前面两个灵活 np.empty() # 根据传入的shape,返回一个元素全是随机化而不是空值的数组 np.genfromtxt() # 从文本文件读取生成一个数组
3、ndarray的抽象理解
先创建一个三个数组，一维、二维、三维。
arr1 = np.arange(3)
arr1
array([0, 1, 2])
---------------------------------------------------------
arr2 = np.arange(9).reshape(3,3)
arr2
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
----------------------------------------------------------
arr3 = np.arange(27).reshape(3,3,3)
arr3
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]]])
在python中的arr结构如上所示。我们将其形象化表示出来，如下图。
一维数组只有一个维度，也叫rank，只有一个axis轴，axis=0。
二维数组有两个维度，有两个axis轴，axis=0和1。
三维数组有三个维度，有三个axis轴，axis=0、1、2。
我们直接在三维上执行索引操作，来理解ndarray的排布。
arr3[1,2,1] 输出16
索引[1,2,1]依次从高维到低维，从axis轴2到1到0，1指三维上的第2个元素，即上图中间的数组，是一个二维数组。2指二维上的第3个元素，是一个一维数组。1值一维上的第2个元素。也可以试着从轴方向去理解索引的原理。
可以自己操作一下下面索引代码，看看出结果。
arr3[3,3,2]
不同维度的ndarray shape理解如下。可以通俗的认为是从点带面，再到块。
4、ndarray的操作
主要有索引、切片、过滤等，后续细谈。只要理解了ndarray，操作其实很简单。
Refer：
[1] https://danzhuibing.github.io/py_numpy_ndarray.html
[2] https://www.geeksforgeeks.org/numpy-ndarray/
