二維數組由多個一維數組組成
np.size ：數組中所有元素的總量，相當於數組的 shape 中所有元素的乘積，例如矩陣的元素總量為行與列的乘積。
>>>print('數組a的大小是：',a.size)
>>>print('數組b的大小是：',b.size)
>>>print('數組c的大小是：',c.size)
數組a的大小是： 3
數組b的大小是： 9
數組c的大小是： 12
np.array創建數組時，會將多層嵌套的列表轉換為多維數組。
>>>b = np.array([(1.5,2,3), (4,5,6)])
>>>b
array([[1.5, 2. , 3. ],
[4. , 5. , 6. ]])
創建數組時我們還可以指定數據類型
>>>c = np.array( [ [1,2], [3,4] ], dtype=complex )#指定數據類型為複數
>>>c
array([[1.+0.j, 2.+0.j],
[3.+0.j, 4.+0.j]])
我們經常遇到這樣的情況，我們並不知道數組的元素，但是知道數組的大小。因此，NumPy提供了多個函數，用於創建有初始數值的佔位數組，這樣可以減少不必要的數組增長及運算成本。
zeros 函數創建包含全是0的數組， ones 函數創建全是1的數組， empty 函數創建一個隨機數值數組，其中的數值由當時的內存狀態決定。這些函數創建的數組的數據類型都是默認的float64.
打印數組
當你在屏幕打印一個數組時，NumPy顯示這個數組的方式和嵌套的列表是相似的。但遵守以下佈局：
- 最後一維由左至右打印
- 倒數第二維從上到下打印
- 其餘維都是從上到下打印，且通過空行分隔
如下所示，一維數組輸出為一行、二維為矩陣、三維為矩陣列表。
基本運算
數組中的算術運算一般是元素級的運算，運算結果會產生一個新的數組。
不同於很多矩陣語言，乘積運算操作 * 在NumPy中是元素級的運算。如果想要進行矩陣運算，可以使用 dot 函數或方法。
當操作不同數據類型的數組時，最後輸出的數組類型一般會與更普遍或更精準的數組相同（這種行為叫做 Upcasting）。
默認狀態下，這些運算會把數組視為一個數字列表而不關心它的shape。然而，可以指定axis參數針對哪一個維度進行運算。例如axis=0將針對每一個列進行運算。
索引、切片和迭代
一維數組可以索引、切片和迭代，就像列表和其他python數據類型。
b[i] 中的i代表i後面有足夠多的：，用於表示其他維度的索引。你也可以使用點號 ... 來表示。
點號代表需要的足夠多的列，用於使其他維度的索引值完整。例如，x是一個五維數組，那麼
- x[1,2,...] 相當於 x[1,2,:,:,:]
- x[...,3] 相當於 x[:,:,:,:,3]
- x[4,...,5,:] 相當於 x[4,:,:,5,:]
但是，如果你想迭代輸出數組中的每一個元素，你可以使用 flat 屬性實現，這個屬性生成一個可以迭代所有元素的迭代器。
閱讀更多 繁華落盡and曲終人散 的文章
