三、机器学习基础知识：Python常用机器学习库（Numpy第一部分）

1、Numpy定义

Numpy是Numberical Python的简称，是用来进行高性能计算与分析的基础包，是Python中重要的扩充库。它支持高维度数组与矩阵运算，也针对数组运算提供了大量的数学函数库。Numpy运算效率极好，是大量机器学习框架的基础库。
使用Numpy，开发人员可以很方便地执行数组运算、逻辑运算、傅里叶变换和图形图像操作。Numpy数组地运算效率优于Python的标准List类型，而且在代码中使用Numpy可以省去很多繁琐的操作语句，代码更将简洁。
一般使用如下方式引入Numpy库：

import numpy as np

2、ndarray对象

Numpy的强大功能在于底层的ndarray结构，该结构可以生成N维数组对象。
ndarray对象是一系列同类型数据的集合，下标索引从0开始，是一个用于存放同类型元素的多维数组。ndarray中的每个元素在内存中都具有相同大小的存储区域。
ndarray可以通过对数组建立索引或切片来访问数组内容，也可以使用ndarray的方法和属性来访问和修改ndarray内容。
ndarray中的相关属性如下：

1. shape（数组形状）：表示数组各维大小的整数元组。
2. dtype（数据类型）：描述数组的类型对象。
3. data（数组数据）：一个指向内存中数据的指针。
4. strides（跨度）：表示当前维度移动到下一个位置需要跨越的字节数，即当前维度的宽。
5. order（数组顺序）：访问数组元素的主顺序，“C”为行主序，“F”为列主序。

在Numpy模块中，提供了ndarray()和array()两个函数，都可以用来建立一个ndarray。其中ndarray函数属于底层的方法，一般都是使用darray()函数进行创建，创建的语法格式如下：

numpy.array(object,dtype=None,copy=True,order=None,subox=False,ndmin=0)

参数介绍：

1. object：数组或嵌套的数列。
2. dtype：数组元素的数据类型。可选。
3. order：创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）。
4. ndmin：指定所生成数组应具有的最小维度。
   数组的创建与基本操作：

import numpy as np
a = np.array([1,2,3])  #创建一维数组并输出
print(a)
print(type(a))

a = np.array([[1,2],[3,4]]) #创建二维数组并输出
print(a)
print(a.shape)

a