numpy数组比原生的Python列表更为紧凑和高效，尤其是在多维的情况下。但与列表不同的是，数组的语法要求更为严格：数组必须是同构的。这意着数组项不能混合使用不同的数据类型，而且不能对不同数据类型的数组项进行匹配操作。

传呼机numpy数组的方式很多。可以使用函数array()，基于类数组（array-like）数据创建数组。所谓的类数组数据可以是列表、元组或另一个数组。numpy基于数据本身推断出数组元素的类型，当然，你也可以给array()传递确定的dtype参数。numpy支持的数据类型接近二十种，例如bool_、int64、unint64、float64和<U32(针对Unicode字符串)。

为获得较高的效率，numpy在创建一个数组时，不会讲将数据从源复制到新数组，而是建立起数据间的连接。也就是说，在默认情况下，numpy数组相当于是其底层数据的视图，而不是副本。如果底层数据对象发生改变，则相应的数组数据也会随之改变。如果你不喜欢这种方式（这是默认的处理方式，除非复制的数据量过大），可以给构造函数传递copy=True。

实际上，Python的【列表】（list）是以数组的方式实现的，而并非列表的方式，这与【列表】（list）的字面含义并不一致。由于未使用前向指针，所以Python并没有给列表预留向前指针的存储空间。Python的大型列表只比【真正的】numpy数组多使用约13%的存储空间，但对于一些简单的内置操作，比如sum()，使用列表则则要比数组快5到10倍。因此在使用numpy之前，应该问问自己是否真的需要用到某些numpy特有的功能！

接下来，我们来创建第一个数组：前10个正整数组成的简单数组：

import numpy as np
numbers=np.array(range(1,11),copy=True)
print(type(numbers))
print(numbers)

结果：

<class 'numpy.ndarray'>
[ 1  2  3  4  5  6  7  8  9 10]

函数ones()、zeros()和empty()分别构造全1的数组、全0数组和尚未初始化的数组。这些函数必须有数组的形式参数，该出纳和素