程序猿的机器学习之路-1-Numpy基础：创建多维数组

Numpy是python科学计算的核心库之一，主要提供了对多维数组的强有力支持。

什么是多维数组？

核心对象是同型的多维数组（简单理解就是一个表格，通常内容都是些数字），具有相同的数据类型。

概念：
1. axes（轴）：数组的维度统称为轴。
2. rank：轴的数量称为rank。
举例：一维数组[1,2,1]，就是一个rank为1的数组，因为它只有一个轴（一维）。下图显示的是一个rank为2（二维）的数组。它的第一个轴（维）的长度是2，如红色线框所示；第二个轴（维）的长度是3，如蓝色线框所示。这个有点像数据结构里说的：数组的元素本身也可以是数组类型一样，无限扩展下去。

Numpy里的多维数组：ndarray

Numpy的数组类numpy.array一般称呼为ndarray，这么叫主要是为了和Python的数组类array.array区分开来。后面的文章里，如无特殊说明的地方，array和ndarray均是指的numpy.array。

ndarray(numpy.array)的主要属性：

属性	说明
ndim	数组的轴数（维度）
shape	shape是一个python的元组类型，其中每个数字分别表示的是各个轴（维）上数组的长度
size	多维数组里全部元素的总数（等于shape元组里所有数值的乘积）
dtype	多维数组里元素的类型。同一个多维数组里所有的元素都是同一种类型

这里插播一下：
Anaconda是一个基于Python的Data Science Platform，相当于一个包装了数据分析常用库和工具的软件。它是我们开始学习的一个好帮手。下载地址：https://www.continuum.io/anaconda-overview

安装好后，打开“IPython”，或者“Jupyter QtConsole”，或者“Spyder”都可以。它们本质上都是对IPython这个交互式环境的包装。

练习：创建一个ndarray。
直接使用numpy.array()方法，参数为python的 list or tuple （sequence type）。下面的代码里，“In”是我们输入的代码，“Out”是上一行代码的输出。不是每一行代码都会有输出哦。

代码：

In [1]: import numpy as np
In [2]: data = [[0,1,2,3,4], [5,6,7,8,9], [10,11,12,13,14]]
In [3]: ndarray = np.array(data)
In [4]: data
Out[4]: [[0, 1,