机器学习学习笔记（一）：Numpy基础操作（一）

写在前面的废话

因为在机器学习中经常需要对数据进行一些操作，Numpy提供了许多非常方便的数组和矩阵的操作，但是系统地介绍Numpy这个包的课程并不多，所以就把最近在学习的课程里面关于Numpy的内容整理出来。

首先，在Python中使用import numpy引入numpy包，可通过import numpy as np将numpy简写为np，下面的代码中都使用np代表numpy.

Numpy数组

Python中需要表示一个数组时通常有两种表示方式，一种是List，一种是Array。List可以用于保存不同类型的数据元素，使用起来非常灵活方便，但是相对而言查找的效率就比较低；Array相当于是二维数组，只能用于保存一种类型的数据元素，数据类型可以在创建时指定。

Numpy中也提供了类似Array的操作，但是不同于Python本身的Array代表的只是二维数组，Numpy中的Array表示的是一个张量，可以用于表示多维数组。

Numpy.Array同样需要指定数据类型，通常情况下会根据数据元素设置默认的数据类型，如可以根据下面的方式创建Numpy数组，数据类型默认为int32类型

如果使用其他数据类型给数组元素赋值，数组将会对赋值的元素进行隐式转换，无法转换的解释器则会报错

创建Numpy数组（和矩阵）的几种方法

numpy.zeros、numpy.ones和numpy.full

numpy.zeros可以用于创建数据元素全部为0的数组，创建时可以指定数据元素的个数、数据类型（不指定时默认为浮点型），也可以通过shape参数指定数组的行数列数，以此来创建多维数组

同样可以通过numpy.ones创建全1矩阵，具体使用方法与numpy.zeros类似

如果想要创建数据元素全部为指定值