公众号：机器学习算法与数据分析 作者：进击的合成尸
作者是一名在读的大二学生，在我看来，是一个非常励志的小伙子，虽然他总觉得自己并不是读的名校，有点小小的不自信，但我相信这么早就意识到学习重要性的小伙子未来可期。
一、目录：
二、操作（具体如下）
三、总结
数组对象简介
数组就是——array
实现多维数组和矩阵的高效运算
python中“万物皆对象”，数组也是一个对象，有对象，就意味着有属性和方法
Numpy数组对象的常用属性
dtype___返回数组中元素的类型
shape___返回由整数组成的原组，元组中的每个整数依次对应数组每个轴的元素个数
size__返回一个整数，代表数组中元素的个数
ndim__返回一个整数，代表数组的轴的个数，即维度
nbytes__返回一个整书，代表用于保存数据的字节数
数组的类型
import numpy as npdata = np.array([1, 2, 3, 4])data.dtype
# 输出结果： dtype('int32')
数组一旦建立，其元素类型是不能随意改变的，若需要修改元素类型
astype( )是数组的一个方法，能够根据指定的类型（参数指定元素类型）新生成一个数组
new_data相对于data只有元素类型不同
new_data = data.astype(np.float)new_data
#输出结果 array([1., 2., 3., 4.])
数组的外貌
返回一个元组，其中的元素由整数组成，代表着每个轴上的元素数
a = np.array([1, 2, 3, 4 ])b = np.array([1.0, 2.0, 3.0])a.shape
b.shape
创建数组
创建数组的基本方法
np.array()——基本方法
np.array(object, dtype=None, copy = True, order = 'K', ...)
onject——引用对象是array_like（类数组，可以是列表，元组等可迭代序列，也可以是数组，矩阵）
a = np.array([1, 2, 3, 4])b = np.array([1.0, 2.0, 3.0, 4.0], dtype=float)
嵌套列表中的各个元素的长度必须是一样的，元素类型也需一样，如果元素参差不齐，也不会报错，只不过得不到我们预想的数组对象
da = np.array([[1, 2, 3, ], [5, 6, 7], [8, 9, 10]])
用函数创建数组
创造的数组具有某种规律
创建一个完全由0组成的数组，
以元组声明他们的形状
import numpy as npnp.ones((3,4)) #0轴的个数为3，1轴的个数为4#结果：array([[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]])
创建一个完全由1组成的数组
np.ones((3,4)) #0轴的个数为3，1轴的个数为4
创建对角线独有的数组
np.eye(4,dtype=int) #对角线元素较为特殊，其他元素为0
元素为等差数组
总结：
array和list之间的区别
array
一个numpy array是内存中一个连续的块，并且array里的元素都是同一类。所以一旦确定了一个array，它的内存就确定了，每个元素的内存也就都确定了
可以看作为“序列”数据
array的object是类数组对象，可以为list，也可以为list of list
可以对整个数组进行数值运算(数组与数组，数组与标量)
list
list也可以看作为“序列”数据
list中的元素可以不同
创建array时，可以使用list，也可以使用list of list
不能对整个列表进行数值运算
请备注：”昵称-学校/公司-研究方向“，例如：”张小明-浙大-CV“加群。
（也可以加入机器学习交流qq群772479961）
