2.2数组的创建方式

NumPy数组基本用法

1. Numpy是Python科学计算库，用于快速处理任意维度的数组。
2. NumPy提供一个N维数组类型ndarray，它描述了相同类型的“items”的集合。
3. numpy.ndarray支持向量化运算。
4. NumPy使用c语言写的，底部解除了GIL，其对数组的操作速度不在受python解释器限制。

numpy中的数组：

Numpy中的数组的使用跟Python中的列表非常类似。他们之间的区别如下：

1. 一个列表中可以存储多种数据类型。比如a = [1,'a']是允许的，而数组只能存储同种数据类型。
2. 数组可以是多维的，当多维数组中所有的数据都是数值类型的时候，相当于线性代数中的矩阵，是可以进行相互间的运算的。

创建数组（np.ndarray对象）：

Numpy经常和数组打交道，因此首先第一步是要学会创建数组。在Numpy中的数组的数据类型叫做ndarray。以下是两种创建的方式：

1. 根据Python中的列表生成：

   import numpy as np
   a1 = np.array([1,2,3,4])
   print(a1)
   print(type(a1))
   

2. 使用np.arange生成，np.arange的用法类似于Python中的range：

   import numpy as np
   a2 = np.arange(2,21,2)
   print(a2)
   

3. 使用np.random生成随机数的数组：

   a1 = np.random.random(2,2) # 生成2行2列的随机数的数组
   a2 = np.random.randint(0,10,size=(3,3)) # 元素是从0-10之间随机的3行3列的数组
   

4. 使用函数生成特殊的数组：

   import numpy as np
   a1 = np.zeros((2,2)) #生成一个所有元素都是0的2行2列的数组
   a2 = np.ones((3,2)) #生成一个所有元素都是1的3行2列的数组
   a3 = np