1. 创建NumPy数组并查看属性
任务说明
本案例要求使用NumPy创建一维和二维数组，并通过数组对象的属性查看其形状、数据类型和元素个数。完成本案例后，你将能够熟练运用np.array()构造数组，并理解shape、dtype、size、ndim和itemsize等核心属性的含义。
代码实现
import numpy as np
# 创建一维数组
arr_1d = np.array([1, 2, 3, 4, 5])
# 创建二维数组
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])
# 查看一维数组属性
print("一维数组:", arr_1d)
print("shape:", arr_1d.shape) # (5,)
print("dtype:", arr_1d.dtype) # int64
print("size:", arr_1d.size) # 5
print("ndim:", arr_1d.ndim) # 1
print("itemsize:", arr_1d.itemsize, "字节\n")
# 查看二维数组属性
print("二维数组:")
print(arr_2d)
print("shape:", arr_2d.shape) # (2, 3)
print("dtype:", arr_2d.dtype) # int64
print("size:", arr_2d.size) # 6
print("ndim:", arr_2d.ndim) # 2
print("itemsize:", arr_2d.itemsize, "字节")关键说明
上述代码中，np.array()接收Python列表作为参数，自动推断数据类型。一维数组arr_1d的shape为(5,)，表示长度为5的一维结构；二维数组arr_2d的shape为(2, 3)，表示2行3列。dtype显示元素类型（此处为64位整数），size返回元素总数，ndim表示维度数，itemsize为每个元素占用的字节数。
运行与验证
在已安装NumPy的Python环境中运行上述代码。预期输出如下：
一维数组: [1 2 3 4 5]
shape: (5,)
dtype: int64
size: 5
ndim: 1
itemsize: 8 字节
二维数组:
[[1 2 3]
[4 5 6]]
shape: (2, 3)
dtype: int64
size: 6
ndim: 2
itemsize: 8 字节若输出与上述一致，说明数组创建及属性查看操作正确。可尝试修改列表元素为浮点数（如[1.0, 2.0]），观察dtype变为float64，以加深理解。