100天搞定机器学习（100-Days-Of-ML）（七）Numpy数组基础

第七天

Numpy的学习（一）数组基础

Python中的数据操作几乎等同于Numpy数据操作，甚至Pandas工具也是构建在Numpy数组的基础之上的。

一、从Python列表创建数组

1.首先，可以用np.array从Python列表创建数组：

import numpy as np
np.array([1, 4, 2, 5, 3])

Numpy创建数组要求必须包含同一类型的数据。如果类型不匹配，Numpy将会向上转型（如果可行）。下面的整型被转换为浮点型。

np.array([3.14, 4, 2, 3])

如果明确设置数组的数据类型，可以用dtype关键字：

np.array([1, 2, 3, 4], dtype = 'float32')

另外，Numpy数组可以被指定为多为的。以下是用列表的列表初始化多为数组的一种方法：

np.array([range(i, i + 3) for i in [2, 4, 6]])

2.从头创建数组

面对大型数组的时候，用Numpy内置的方法从头创建数组是一种更高效的方法。以下是几个具体的例子：

创建一个长度为10的数组，数组的值都是0：

np.zeros(10, dtype=int)

创建一个3x5的浮点型数组，数组的值都是1：

np.ones((3, 5), dtype=float)

创建一个3x5的浮点型数组，数组的值都是3.14

np.full((3, 5), 3.14)

创建一个数组，从0开始到20结束，步长是2：

np.arange(0, 20, 2)

创建一个5个元素的数组，这5个数均匀地