OpenMV MicroPython
6.2. ndarray¶
ndarray 是在 numpy 中持有數值資料的型別。它二合一：一塊單一且緊密排列的資料區塊，以及該區塊前方一個用來說明如何讀取它的小型描述符。
6.2.1. 盒子內部¶
這塊資料區塊首尾相連地存放陣列的每一個元素，元素之間沒有任何多餘的東西。每個元素佔用相同數量的位元組 —— uint8 值的陣列每個一位元組、uint16 每個兩位元組、float 每個四位元組。一個 256 元素的 uint8 陣列正好是 256 位元組的資料；同樣的 256 個數字放進 Python 的 list 則要佔一千位元組 —— 不管數值實際只需要幾個位元，每個元素都佔一個 32 位元的欄位。
描述符記錄該區塊代表的 意義。無論維度有多少，五個值就足以描述任何矩形陣列：
dtype—— 元素型別。決定每個元素佔用幾個位元組以及它能持有的數值範圍（於 Dtype 資料型別 中說明）。itemsize—— 一個元素的位元組寬度，由 dtype 推導而來。ndim—— 維度的數量（向量為 1、矩陣為 2、立體為 3，最多到 4）。shape—— 以 tuple 表示沿每個維度的大小。
就這樣。numpy 中每一條快速路徑 —— 算術運算、歸約、廣播、切片 —— 都直接從這五個值再加上資料指標運作，沒有任何逐元素的 Python 開銷。
6.2.2. 這項設計帶來什麼¶
「緊密排列的區塊 + 小型描述符」衍生出三項特性，並定義了本章其餘部分的行為方式。
逐元素數學運算以單次呼叫執行。 兩個形狀相符的陣列之間的 a + b 會把這兩個緩衝區相加並寫入第三個，全部都在一次函式庫呼叫之內完成。np.sin(a) 對每個元素的正弦也是如此。算術、比較與位元運算子全都以這種方式運作。
以不同方式檢視同一份資料是免費的。 要求陣列的某個子區域，或要求同一份資料以不同形狀呈現，都不會搬動任何位元組。這項操作會回傳一個指向 同一份 資料區塊的新描述符。其結果稱為 視圖（view） —— 通往同一底層緩衝區的第二個視窗。透過視圖寫入就是寫入來源。
形狀不同也照樣可行。 較短的陣列對上較長的、一列對上一個矩陣、一欄對上一列 —— numpy 會透過 廣播（broadcasting） 將它們對齊，這是一組決定哪個短軸要拉伸以匹配長軸的小規則。這種拉伸是虛擬的；不會複製任何資料。
6.2.3. 這項設計的代價¶
同一項設計衍生出兩項限制。
每個元素都有相同的型別。 一個 list 可以在一個 int 旁邊放一個 str，再旁邊放一個含有另外三個 int 值的 list；ndarray 則不行。dtype 在建構時即固定。Dtype 資料型別 頁面說明了 numpy 支援的那一小組型別，以及固定型別所衍生出的規則。
增長陣列並非免費。 list 會在尾端保留備用欄位，因此能廉價地支援 .append。ndarray 的大小恰好就是它所需要的大小；附加元素將意味著要配置一個新的、更大的緩衝區，並把舊內容複製進去。它刻意沒有 append() 方法。相機上的正確模式是預先以最終大小配置目的地，然後 填入 它；效能 說明了這項技巧。
以一個緊密排列的型別化緩衝區存放資料、一個小型描述符存放中介資料，再加上三項行為保證（快速的逐元素數學運算、對同一份資料的免複製替代視圖，以及可廣播的形狀），ndarray 便是本章其餘部分所依憑的基礎。一個陣列究竟如何產生 —— 從字面量、從預先填入的配置、從周邊裝置緩衝區 —— 則是下一個實務問題。