ndarray是一个多维数组对象，该数组只能存放同一种类型的元素。元素类型一致就可以轻松计算出所需存储空间的大小，更重要的是能够运用向量化运算来处理整个数组，即不需要循环数组元素，可以面向数组对其元素进行批量操作。

ndarray数组由两部分组成：实际数据和元数据。

实际数据就是元素的值，存储在连续的内存块中。当大型数据集作为ndarray数组进行加载时，需要注意有没有足够多的连续内存块。

元数据就是数据的数据，描述的是数组和元素的信息。NumPy中的大部分数组方法和函数都不会直接修改实际数据，而只能修改元数据。

生成ndarray数组前，先来熟悉一个常用的函数range()。

range()函数是Python内置函数，其返回值是一个可迭代对象。

range()函数语法为：range(stop)或range(start,stop[,step])。

• start 表示开始值，包含在内；

• stop 表示结束值，但不包含在内；

• step 表示步长，但属于可选项，默认为1。
  

arr=range(5)
print(arr)
for i in arr:
    print(i)
#
arr=range(0,10,2)
print(arr)
for i in arr:
    print(i)

运行结果为：

range(0, 5)
0
1
2
3
4
range(0, 10, 2)
0
2
4
6
8

range()函数返回的对象不是列表类型，打印的时候不会打印列表。但是可以使用list()函数，将其转换为列表。

arr=range(5)
li=list(arr)
print(li)
#
arr=range(0,10,2)
li=list(arr)
print(li)

运行结果为：

[0, 1, 2, 3, 4]
[0, 2, 4, 6, 8]

Python本身提供了array模块，但其只支持一维数组，不支持多维数组，同时缺乏各种运算函数，因此不适合数值运算。而NumPy模块提供的ndarray数组功能强大，numpy.array完全取代了python.array的地位。