【学习笔记】Numpy数组的创建

写在前面：为啥要用Numpy？

四个字概括Numpy的好处：又省又快

为什么省？
python的整型啊，列表啊，数组啊，就很不纯粹。

例如整型，它其实是一个指针，指向包含这个对象所有信息的某个内存位置，python整型结构体内还包含引用计数、变量类型编码、数据成员大小等其他信息，负担很大。

再比如说列表，python列表是动态的，可以混合存储多种数据类型，这种灵活便捷的特性导致需要额外的信息。

而Numpy的数组结构在内存中连续存储，且每个数组数据类型必须统一，减少了额外信息的负担。

为什么快？
Numpy的数组在内存中连续存储，这样加快了遍历速度。且这种存储方式使得Numpy可以使用现代CPU的矢量化指令计算，加载寄存器中的多个连续浮点数。此外Numpy的矩阵运算可以采用多线程的方式，大大提升计算效率。

创建数组

要使用numpy库，首先import numpy as np

常用方法总结

np.array()	#从python列表创建数组
np.zeros()	#创建值全为0的数组
np.ones()	#创建值全为1的数组
np.full()	#创建值全为指定值的数组
np.arange()		#创建线性序列数组
np.linspace()	#创建等差数列数组
np.random.random()	#创建值服从0-1均匀分布的随机数组
np.random.normal()	#创建值服从正态分布的随机数组
np.random.randint()	#给定区间内创建值为整形的随机数组
np.eye()	#创建单位矩阵
np.empty()	#创建未初始化的整型数组

具体实例

np.array()

#从列表创建整形数组
a=np.array([0,1,2,3,4,5])	
#数组中类型必须统一，否则将被强制向上转换(与第一个元素同类型)
b=np.array([3.14,6,4,8])	
#创建指定数据类型数组
c=np.array([0