目录
1、Numpy的优势
1.1、ndarray介绍
1.2、ndarray与Python原生list运算效率对比
1.3、ndarray的优势
1.3.1、内存块风格
1.3.2、ndarray支持并行化运算（向量化运算）
1.3.3、效率远高于纯Python代码
2、N维数组-ndarray
2.1、ndarray的属性
2.2、ndarray的形状
2.3、ndarray的类型
1、Numpy的优势
Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。
Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。
1.1、ndarray介绍
NumPy提供了一个N维数组类型ndarray，它描述了相同 类型的"items"的集合
import numpy as np#创建ndarray
score = np.array([[80,89,86,67,79],
[78,97,89,67,81],
[90,94,78,67,74],
[91,91,90,67,69],
[70,79,84,67,84],
[94,92,93,67,64],
[86,85,83,67,80]])
使用python列表可以存储一维数组，通过列表的嵌套可以实现多维数组，那么为什么还需要使用Numpy的ndarray呢？
1.2、ndarray与Python原生list运算效率对比
import random
import time
import numpy as npa = []
for i in range(1000000000):a.app
