admin
数组对象#
NumPy 提供了一种 N 维数组类型，即 ndarray，它描述了同类型“项”的集合。这些项可以使用例如 N 个整数进行索引。
所有 ndarray 都是同构的：每个项占用相同大小的内存块，并且所有块都以完全相同的方式解释。数组中每个项如何解释由一个单独的数据类型对象指定，每个数组都关联一个这样的对象。除了基本类型（整数、浮点数等）之外，数据类型对象还可以表示数据结构。
从数组中提取的项（例如通过索引），由一个 Python 对象表示，其类型是 NumPy 内置的数组标量类型之一。数组标量也允许轻松操作更复杂的数据排列。
图 概念图，显示了用于描述数组中数据的三个基本对象之间的关系：1) ndarray 本身，2) 描述数组单个固定大小元素布局的数据类型对象，3) 访问数组单个元素时返回的数组标量 Python 对象。#
N 维数组 (ndarray)
构建数组
数组索引
ndarray 的内部内存布局
数组属性
数组方法
算术、矩阵乘法和比较操作
特殊方法
标量
内置标量类型
属性
索引
方法
定义新类型
数据类型对象 (dtype)
指定和构建数据类型
检查数据类型
dtype
NumPy 中的数据类型提升
Python 标量的详细行为
数值提升
一般提升规则的例外
非数值数据类型的提升
提升后的 dtype 实例详情
遍历数组
单个数组迭代
广播数组迭代
将内循环放入 Cython
标准数组子类
特殊属性和方法
矩阵对象
内存映射文件数组
字符数组 (numpy.char)
记录数组
掩码数组 (numpy.ma)
标准容器类
数组迭代器
掩码数组
numpy.ma 模块
使用 numpy.ma
示例
numpy.ma 模块的常量
MaskedArray 类
MaskedArray 方法
掩码数组操作
数组接口协议
Python 端
C 结构体访问
类型描述示例
与数组接口（版本 2）的区别
日期时间和时间差
Datetime64 约定和假设
基本日期时间
日期时间和时间差算术
日期时间单位
工作日功能
Datetime64 的缺点