参考：
https://www.cnblogs.com/onemorepoint/p/8126181.htmlhttps://www.cnblogs.com/quietwalk/p/8003862.htmlrange(start, end, step)，返回一个list对象，起始值为start，终止值为end，但不含终止值，步长为step。只能创建int型list。
参数含义： start：计数从start开始。默认是从0开始。例如range（5）等价于range（0， 5）； end：计数到end结束，但不包括end。例如：range（0， 5）是[0, 1, 2, 3, 4]，没有5； step：步长，默认为1。例如：range（0， 5） 等价于 range(0, 5, 1)。 函数返回的是一个range object。
>>> range(0,5) #生成一个range object,而不是[0,1,2,3,4] range(0, 5) >>> c = [i for i in range(0,5)] #从0 开始到4，不包括5，默认的间隔为1 >>> c [0, 1, 2, 3, 4] >>> c = [i for i in range(0,5,2)] #间隔设为2 >>> c [0, 2, 4] >>>range(1,5) range(1,5) >>>tuple(range(1, 5)) (1, 2, 3, 4) >>>list(range(1, 5)) [1, 2, 3, 4] >>>r = range(1, 5) >>>type(r) <class 'range'> >>>for i in range(1, 5): ... print(i) 1 2 3 4 >>>range(1, 5, 2) >>>for i in range(1, 5, 2): ... print(i) 1 3注意：range()不支持步长为小数：
>>>range(1, 5, .1) # range中的setp 不能使float Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: 'float' object cannot be interpreted as an integernp.arange()支持步长为小数：
>>>np.arange(1, 5, .5) array([ 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5])range()返回的是range object，而np.arange()返回的是numpy.ndarray() 。
range仅可用于迭代，而np.arange作用远不止于此，它是一个数组，可被当做向量使用。
range()不支持步长为小数，np.arange()支持步长为小数。
两者都可用于迭代。
两者都有三个参数，以第一个参数为起点，第三个参数为步长，截止到第二个参数之前的不包括第二个参数的数据序列 。
某种意义上，和STL中由迭代器组成的区间是一样的，即左闭右开的区间。[first, last)或者不加严谨地写作[first:step:last)
NumPy最重要的一个特点就是其N维数组对象（即ndarray）,该对象是一个快速而灵活的大数据集容器，该对象由两部分组成： 实际的数据； 描述这些数据的元数据；
大部分的数组操作仅仅是修改元数据部分，而不改变其底层的实际数据。数组的维数称为秩，简单来说就是如果你需要获取数组中一个特定元素所需的坐标数，如a是一个2×3×4的矩阵，你索引其中的一个元素必须给定三个坐标a[x,y,z]，故它的维数就是3。而轴可以理解为一种对数组空间的分割，以数组a为例，如果我们以0为轴，那么a可以看成是一个由两个元素构成的数组，其中每个元素都是一个3×4的数组。
我们可以直接将数组看作一种新的数据类型，就像list、tuple、dict一样，但数组中所有元素的类型必须是一致的，Python支持的数据类型有整型、浮点型以及复数型，但这些类型不足以满足科学计算的需求，因此NumPy中添加了许多其他的数据类型，如bool、inti、int64、float32、complex64等。同时，它也有许多其特有的属性和方法。
