Numpy是python中非常重要的用来进行科学计算的第三方库，许多其他的好玩好用的第三方库（比如Matplotlib、Pandas、Scikit-learn等）都是在Numpy库的基础上实现的二次开发，因此Numpy的重要性不言而喻。
Numpy具有Matlab、Octave等数学功能的编程语言的特性，即能很方便地对多维数据进行处理。Matlab处理数据的基本对象是矩阵，而Numpy的基本对象则是ndarray对象，这是一个多维数组对象。
不像PIL那样奇形怪状，Numpy库的调用还是本名。不过为了调用方便，大家一般都会使用别名“np”来调用numpy：
import numpy as np
我们后面都用np来代指numpy
IDE测试中已经试过了，我们只要把列表或者元组这样的python自带的组合数据类型当作np.array()的参数，那么np.array()就会返回一个ndarray对象。即：
a = np.array(list/tuple)
只要列表和元组同型，那么列表和元组就可以混合使用。
np.array()还有一个参数用来指定数据类型：
a = np.array(list/tuple,dtype=np.float32)
指定a的每一个元素是float32类型的数据
当`np.array()`的dtype参数为空时，np会根据数据情况自动关联一个dtype类型。
IDE测试
>>> a = [1,2,3] >>> b = np.array(a) >>> b #ndarray会以array()的形式展现数据array([1, 2, 3]) >>> a = [[1,2],[3,4]] >>> b = np.array(a) >>> b #ndarray在展现数据时会体现数据的维度array([[1, 2], [3, 4]])
