Numpy提供了高效存儲和操作密集數(shù)據(jù)緩存的接口。
先不管那些數(shù)據(jù)是如何處理的，我們只需要明白，數(shù)據(jù)是如何存儲的，就夠了。而知道數(shù)據(jù)如何存儲，那么其相應(yīng)的操作也變得非常明了。
PS：除要點外，都是解釋說明要點的，理解要點是核心，知道要點，在不看任何東西的前提條件下，能說出這個要點所包含的意義

核心：理解Python語言中，數(shù)據(jù)是如何被存儲和操作的。

第一點、
Python中的所有變量都是對象。

一個特性：Python中，“任何變量”可以賦“任何值”。
這是因為Python中的每一個數(shù)據(jù)都包含了除本數(shù)據(jù)以外的頭。定義如下

struct _longobject{
    long ob_refcnt;//引用計數(shù)，Python默默處理內(nèi)存的分配和回收
    PyTypeObject *ob_type;//將變量的類型編碼
    size_t ob_size;//指定接下來的數(shù)據(jù)成員的大小
    long ob_digit[1];//包含我們希望Python變量表示的實際整型值
};

第二點、
Python中的列表，基于第一點，也是靈活的。

這造成了巨大的空間浪費，所以為了像C語言一樣，快速操作，Numpy提供相應(yīng)的庫。

第三點、
Python為解決這個問題，采用了array

array是一個包
array.array(列表或數(shù)據(jù))
如：array.array(a,[b,c,d,e]) a為類型數(shù)據(jù)碼
array形式:類型數(shù)據(jù)碼 + 列表(同一數(shù)據(jù))

第四點、
Numpy提供了類似于array的方法，更為簡潔，好用。

與array使用方法基本一致，但是可以使用許多方法。

第五點
Numpy中array提供的矩陣是array中列表中的列表。

即array()形式，內(nèi)部[]表示矩陣單個[]表示一行，即有三層形式。
array([
[1,2,3]
[1,2,3]
])

方法

剛才講述了原理，一定要搞清楚再思考方法的問題。因為方法是為原理服務(wù)的。