Python数据分析与展示（一）：Numpy库入门-NdArray的生成，属性，方法，转换等

一、Numpy库简介

NumPy是使用Python进行科学计算的一个基本库，其中机器学习的大部分算法都是调用该库实现。 主要包括以下功能：

1. 一个强大的N维数组对象Array；
2. 用于集成C / C ++和Fortran代码的工具；
3. 实用的线性代数、傅里叶变换和随机数生成函数。

相对于python自带的计算和存储方式而言，Numpy的方法效率更高，占用空间更小，是一个非常好的工具包。

 

二、Numpy生成Ndarray 对象的方法

1. np.array(list/tuple,dtype=np.float)：生成指定的列表或者元组

a = np.array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])

2.np.arange(n,dtype):生成0-n-1个数，类型默认为整数

a=np.arange(20)
————————————————————————result——————————————————————————————————————————————
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19])

3.np.ones((n,m)):生成n行m列的全为1的矩阵

np.ones((4,3))
————————————————————————result——————————————————————————————————————————————
array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

4.np.zeros((n,m)):生成n行m列的全为0的矩阵

np.zeros((3,3))
————————————————————————result——————————————————————————————————————————————
array([[0., 0., 0.],
       [0.,