本篇介绍numpy的基础用法练习
numpy是一个底层为ndarray类型的数据科学包，特点是快速的科学运算，以数组形式存在的。通常和pandas、matplotlibs合用，含有较多的统计分析函数。
- ndarray数组的基本属性，主要以shape和dtype为主
a = np.array([[20,3,24],[23,4,2]])
print("数组形状："+ str(a.shape))
print("数组的轴数："+ str(a.ndim))
print("数组元素的个数："+ str(a.size))
print("数组元素的类型："+ str(a.dtype))
print("数组元素的字节大小:"+ str(a.itemsize))
从结果可以看出个数组属性的用法：np.函数名
np.shape：以元组形式返回数组的形状
np.ndim：返回数组的轴数，int类型；此处是二维的2行3列，则返回2，
np.size：返回数组元素的个数，int类型；2*3
np.dtype：返回数组元素的类型
np.itemsize：返回数组元素的字节大小
为什么从将这几个数组属性分成两部分呢，因为一个数组最主要的属性由这两个组成，其他都可以从这两个去推导出来。
shape 数组形状(2,3) 则可以推出 ndim轴数=2，size元素个数=2*3=6
dtype 数组元素类型，知道元素的数据类型，自然也就知道对应的字节大小
- 数组创建
b1 = np.arange(2,9,1)
b2 = np.ones((3,5))
b3 = np.zeros((3,3))
b4 = np.full((2,3),6)
b5 = np.eye(3)
b6 = np.linspace(10,50,5,endpoint=True)
print(b1)
print("-----------------")
print(b2)
print("-----------------")
print(b3)
print("-----------------")
print(b4)
print("-----------------")
print(b5)
print("-----------------")
print(b6)
为了多个输出结果能区分清楚，添加了------的输出。numpy内含有多种创建函数，这里列举了几个常用创建方法说明。
np.arange(begin,end,step)：创建[begin,end)，步长step的一维整数数组，注意是左闭右开
np.ones(shape)：按shape的形状，创建元素都是1的数组
np.zeros(shape)：按shape的形状，创建元素都是0的数组
np.full(shape,val)：按shape的形状，以val值全部填充的数组
np.eye(val)：创建对角线为1，val乘val的正方形数组，例子中是3乘3，对角线为1的数组
np.linspace(begin,end,parts,endpoint=True)：创建在[begin,end]范围内分成parts等份，例子中是(10,50,5) 意思从[10,50]中分成5份来组成数组元素，注意是左闭右也闭；默认endpoint=True，意思是末值（此处是50）是否包含在内，若设置为False，则不包含。
np.array(列表/字典)：这是一开始讲基础属性时创建数组的方法（具体可以往上看），这种方法比较自由，可以以多种形式创建，也不限维度。
还有3个类似的函数，介绍一下
np.ones_like(shape)
np.zeros_like(shape)
np.full_like(shape,val)
看到函数名字和参数设置，想必也能够猜到以上3个函数的用法，直接上图。
b4 = np.full((2,3),6)
b22 = np.ones_like(b4)
b33 = np.zeros_like(b4)
b44 = np.full_like(b4,6)
print(b22,'\n-------\n',b33,'\n-------\n',b44)
不多解释了，就是基础上给个like，“模仿”shape的形状来创建对应的数组。
小结一句：以上创建数组的函数，所涉及的shape参数，一定要用元组形式写进，如(2,3),否则会提示参数无效的错误