一、Numpy-2.创建数组

"""
    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。
    可以利用这种数组对整块数据执行一些数学运算，其语法跟标量元素之间的运算一样
"""

import numpy as np

data = np.random.randn(2, 3)
print(data)
print(data * 10)
print(data + data)

"""
    ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须使相同类型的。
    数组包含两个属性：
        1.shape：表示各维度大小的元组
        2.dtype：表示数组数据类型的对象
"""
print(data.shape)  # (2, 3)
print(data.dtype)  # float64

"""
    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
"""
data_1 = [0, 1, 2, 3, 4]
arr_1 = np.array(data_1)
print(arr_1)

"""
    嵌套序列（比如一组等长列表组成的列表）将会被转换成为一个多维数组
"""
data_2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr_2 = np.array(data_2)
print(arr_2)
"""
    因为data_2是列表的列表，Numpy数组arr_2的两个维度的shape是从data_2引入的，可以用属性ndim和shape验证
"""
print(arr_2.ndim)  # 2
print(arr_2.shape)  # (2, 4)

"""
    除np.array之外，还有一些函数也可以新建数组。
    np.zeros()：可以创建指定长度或形状的全0数组
    np.ones()：可以创建指定长度或形状的全1数组
    np.empty()：创建一个没有任何具体值得数组
    用以上三种方法创建多维数组时，只需要传入一个表示形状的元组即可
    
    np.arange()是Python内置函数range的数组版，返回的是一个数组ndarry，而不是一个列表
"""