机器学习python基础（二）numpy（一）

这篇为numpy第一篇，讲解创建。
导入numpy并查看版本：

numpy.arrary

此处讲解为什么要用numpy的array。

python 自带list

python自带的list可以存不同的类型，灵活度高：

python自带list可以存储不同的数据类型，这样虽然灵活，但是会影响效率。下面介绍另外一个。

python自带array

python也是带有array数组的，可以指定数据类型，解决了list的效率问题。下面就是指定类型为整型：

可以看到，只能修改数据为整型，为浮点型都会报错：

但是array也有一个缺点，它没有将数据当做向量或者矩阵，不支持基本运算，机器学习里面需要大量的这种计算。于是我们介绍numpy的array：

numpy的array

可以看到，numpy的array也是有指定类型的。
查看数组里面数据的类型用dtype：

numpy的array如果把float类型的数据赋值给int，虽然不会报错，但是float的精度体现不到，还是精确到int个位数，类型依然是int。

如果实在定义numpy array数组的时候，有float类型的，那就按照精度最高的作为类型，如下图：

创建numpy.array

普通创建numpy.array方法

zeros

创建初始化为0的数据，默认浮点数。
创建10个数据初始化为0的数据：

创建3行5列的数据

ones

创建初始化为1的数据，默认为浮点数

full

我们直接看API吧：

其实就是填充特定值的数据：

arange

简单的来说，就是根据间隔，左闭右开地生成array，例如:

并且不推荐非整型的间隔：

但是在0和1之间的就可以：

不指定步长的情况下，步长默认为1，不指定开头，开口默认为0：

linspace

这是一个左闭右闭区间产生array的方法：

例子如下：

在这里，后面的数字不是步长，而是分成的段数。

randint

产生0,10之间的随机数：

产生10个0，10之间的随机数：

产生特定维度的随机数：

seed

通过随机种子，我们可以保证每次产生的随机数是一样的。

random

返回0-1之间左闭右开区间的随机值

例子如下：

normal

产生正态分布的随机数

例子如下：

解锁更多np.random的方法，在jupyter里面输入np.random.+键即可。