Python的列表（list）中，元素的本质是对象。如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算来说，一是比较浪费内存，二是这种结构不够高效。
Numpy提供了ndarray（N-dimensional array object）对象，即存储单一数据类型的多维数组。
NumPy 的数组中 ndarray 对象属性包括：
- ndarray.ndim：数组的维数，一维数组为 1，二维数组为 2
- ndarray.shape：数组的维度，n行m列
- ndarray.size：数组元素的总个数，等于n*m
- ndarray.dtype：数组元素的类型
- ndarray.itemsize：数组元素的大小，以字节为单位
- ndarray.real：数组元素的实部
- ndarray.imag：数组元素的虚部
- ndarray.flags：数组的内存信息
如下图所示，左边为源代码，右边为执行结果：
上图最后flags的每个属性分别表示：
- C_CONTIGUOUS：数据是在一个单一的C风格的连续段中
- F_CONTIGUOUS：数据是在一个单一的Fortran风格的连续段中
- OWNDATA：数组拥有它所使用的内存或从另一个对象中借用它
- WRITEABLE：数据区域可以被写入，将该值设置为 False，则数据为只读
- ALIGNED：数据和所有元素都适当地对齐到硬件上
- UPDATEIFCOPY：这个数组是其它数组的一个副本，当这个数组被释放时，原数组的内容将被更新