numpy的ndarray：一种多维数组对象
import numpy as np
ndarray中的元素必须是相同的类型，每一个数组有一个shape（表示各维度大小的元组）和一个dtype（用于说明数组数据类型的对象）
data = np.array([[1, 2, 3], [4, 5, 6]], dtype = np.int32)
data
array([[1, 2, 3],
[4, 5, 6]])
data.shape
(3,2)
data.dtype
dtype('int32')
1.创建ndarray数组
? ? ? ? 最简单的方法就是使用array函数，它接受一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的Numpy数组，下面以列表为例：
data1 = [1,2,3,4]
arr1 = np.array(data1)
arr1
array([1, 2, 3, 4])
对于嵌套序列，它将转化成一个多维数组：
data2 = [[1.3, 2.4], [1, 5]]
arr2 = np.array(data2)
arr2
array([[1.3, 2.4],
[1. , 5. ]])
arr2.ndim #求数组维数
2
arr2.shape
(2,2)
np.array会给新创建的这个数组推断出一个合适的数据类型，数据类型保存在一个特殊的dtype对象中。
arr1.dtype
dtype('int32')
arr2.dtype
dtype('float64')
除了np.array之外，还有一些函数可以新建数组：
np.zeros(3) #全零数组
array([0., 0., 0.])
np.zeros((2,3)) #注意当数组不是一维的时候，以元组的形式传入参数
array([[0., 0., 0.],
[0., 0., 0.]])
np.ones(2) #全1数组
array([1., 1.])
np.empty((2,2)) #返回未初始化的垃圾值，随机的
array([[1.3, 2.4],
[1. , 5. ]])
下面介绍一个numpy的内置函数arange，它其实是range的数组版
np.arange(15)
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
数组创建函数
| array | 将输入数据（列表，元组，数组或其他序列类型）转化为ndarray，要么推断出dtype，要么显示指定dtype，默认直接复制数据类型 | | asarray | 将输入转换为ndarray类型，如果本身是一个ndarray类型就不进行复制 | | ones, ones_like | 根据指定的形状和dtype创建一个全1数组，ones_like以另一个数组的shape为参数，创建一个和其形状大小，dtype相同的全1数组 | | zeros, zeros_like | 类似于ones, ones_like，只不过创建的是全零数组 | | empty, empty_like | 创建新的数组，只分配内存空间但不填充任何值 | | eye, eye_like | 创建一个正方的NxN单位矩阵（对角线为1，其余为0） | | arange | 类似于内置的range，但返回的不是列表而是ndarray |
|