前传
由于，某人在上智能相关课程的时候，总想着一大堆的事情，统计股市涨跌，行业关联度等。
所以，为了不挂科，还是总结一些东西会比较好。
好啦，现在要开始了。
我们先要引入numpy。
python
import numpy as np直接创建数组
就只是创建数组
1. np.array()
通过list创建数组，这里要用到np.array()
按照官方的语法，如下：
py
np.array(object, dtype=None, *, copy=True,
order='K', subok=False, ndmin=0, like=None)我觉得有一些可以解释一下：
- object：列表类型的东西
- dtype：想要的数据类型
- copy：是否可以复制
- ndmin：维度
python
a = np.array([1, 2, 3])
# array([1, 2, 3])当然，也可以这样
python
ar = [1, 2, 4]
a = np.array(ar)
# array([1, 2, 4])这也是可行的。
2. np.arange()
这个函数类似于Python原生的range()，所以，就存在两种形式：
np.arange(n)：直接生成从0~n-1的数组np.arange(begin, end)：直接生成从begin~end-1的数组
此外，还有一种创建方式：np.arange(begin, end).reshape(n, m, ..., k)，这可以reshape到你想要的形状。
譬如：
python
a = np.arange(9).reshape(3,3) # 创建一个`3*3`的矩阵
b = np.arange(8).reshape(2,2,2) # 创建一个`2*2*2`的矩阵如果要定义类型，就直接这样做：
python
np.arange(n, dtype='float64')（更多数据类型见"定义数据类型"）
3. np.ones()
这个是创建一个全部都是1的数组（矩阵）的函数
按照python的help函数的解释是
py
np.ones(shape, dtype=None, order='C', *, like=None)实际上要在意的是，以下的部分：
py
np.ones(shape, dtype=None)4. np.zeros()
这个是创建一个全部都是0的数组（矩阵）的函数
py
np.zeros(shape, dtype=float, order='C', *, like=None)肯定的是，值得关注的还是以下的部分：
py
np.zeros(shape, dtype=None)定义数据类型
我们可以通过array函数里面的dtype形参来定义，如下
python
ar = [1, 2, 4]
a = np.array(ar, dtype='float64')
# array([1., 2., 4.])上面的代码表示的是创建float64类型的ndarray
除了float64之外，常见的数值数据类型还有：
-
int：整数数据类型，表示整数值，可以使用不同的位数，如
int8、int16、int32、int64等。 -
uint：无符号整数数据类型，表示非负整数值，也可以使用不同的位数，如
uint8、uint16、uint32、uint64等。 -
complex：复数数据类型，表示复数值，可以使用不同的精度，如
complex64（由两个32位浮点数组成）、complex128（由两个64位浮点数组成）等。 -
bool：布尔数据类型，表示布尔值，只能取
True或False两个值。 -
byte、rune：这两个类型实际上是uint8和int32的别名，分别用于表示
ASCII字符和Unicode字符的值。
参考资料
暂无参考资料