数组的操作
- list ====== 特殊的数组
数组和列表的区别:- 数组: 存储的时同一种数据类型;
- list:容器， 可以存储任意数据类型;
一维数组和数组的计算：
# 一维数组和数组的计算
a = [1, 2, 3, 4]
b = [2, 3, 4, 5]
# 一维数组相加
add = lambda x: x[0] + x[1]
# [(1,2), (2,3), (3,4), (4,5)]
print([add(item) for item in zip(a, b)])
# 一维数组相乘
mul = lambda x: x[0] * x[1]
# [(1,2), (2,3), (3,4), (4,5)]
print([mul(item) for item in zip(a, b)])
numpy操作创建数组（矩阵）
NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。
- Numpy的学习内容：
- 什么是numpy？
- numpy基础概念
- numpy常用的方法
- numpy常用的统计方法
1） 什么是numpy？
快速， 方便的科学计算基础库(主要时数值的计算， 多维数组的运算);
2）numpy的数据类型：
3）轴的理解(axis): 0轴， 1轴， 2轴
- 一维数组: [1,2,3,45] ----0轴
- 二维数组: [[1,2,3,45], [1,2,3,45]] ----0轴, 1轴，
numpy操作
1）、numpy中如何创建数组(矩阵)?
方法1：
a = np.array([1,2,3,4,5])
b = np.array([1,2,3,4,5])
c1 = np.array(range(1,6))
print(a+b)
方法2：
c1 = np.array(range(1,6))
c2 = np.arange(1,6)
print(c1)
print(c2)
2）数组及数组元素的类型：
- 数组：numpy.ndarray
- 数组元素：
c1 = np.array(range(1,6))
print(type(c1))
print(c1.dtype)
2）. 修改数组的数据类型：astype
numpy的数据类型：
print(c1.astype('float'))
print(c1.astype('bool'))
print(c1.astype('?')) # ?是bool类型的代号;
创建的时候指定数据类型：
print(np.array([1,2,3,4], dtype=np.float))
3）修改浮点数的小数位数
c3 = np.array([1.234556, 3.45464456, 5.645657567])
print(np.round(c3, 2))
