1. Da Hangの紹介：
配列を生成するときは、配列に格納されている変数の変数の型を必ず宣言してください。そうしないと、実際には、このエラーが数日間見つかりません。隠しすぎです！
公式ウェブサイトは静かにあなたをほのめかしました：
一般的に、それは確かな基礎知識の欠如によって引き起こされます。
PythonのリストはPythonの組み込みデータ型です。リストのデータクラスは同じである必要はなく、配列の型はすべて同じである必要があります。リストのデータ型は、データが格納されているアドレスを保存します。これはデータではなく単なるポインタであるため、リストを保存するのは面倒です。たとえば、list1 = [1,2,3、' a ' ]は4を必要としますポインターと4つのデータは、ストレージを増やし、CPUを消費します。
2. Da Hangコード：
>>> a = [0,3,2 ] >>> b = [0,8,2 ] >>> c = np.array（リスト（zip（a、b））） >>> c = np。平均（[[0,0]、[1,1 ]]） >>> c 0.5 >>> c = np.mean（[[0,0]、[1,1]]、axis = 0） >> > Cの 配列（[ 0.5、0.5 ]） ＃この小さなパートナー、問題はないああを参照してください？どうした、弟！ ＃詳しく見てみましょう >>> c = np.array（list（zip（a、b））） >>> c [0] = np.mean（[[0,0]、[1,1] ]、axis = 0） >>> c [0] array（[0、0]） ＃どうなっているのですか？各列方向の平均値を見つける方法は0ですが、配列ではありません[0.5,0.5]
問題はここにあります、私は以前に「灰色の行」の配列の属性を与えました、そしてそれは保存し始めました
配列（[[0、0]、
[ 3、8]、[
2、2]]）
そのようなデータ、その中の要素はすべてintなので、システムは、必要な配列がintであるとシステムが判断しますが、結局のところ、システムの「良い心」として、float型を格納する必要があります。これは間違いなくintに変換されます。プログラムを失敗させたのは、まさにこの「善意」でした。
メソッド：データ型を追加する
>>> c = np.array（リスト（zip（a、b））、dtype = np.float32） >>> c [0] = np.mean（[[0,0]、[1,1]] 、axis = 0） >>> c [0] array（[ 0.5、0.5]、dtype = float32）＃その通りです！
3. numpyのデータ型：
|
データ型
|
説明文
|
|
bool_
|
ブール（TrueまたはFalse）、バイトとして格納
|
|
int_
|
デフォルトの整数型（Clongと同じ、通常はint64またはint32）
|
|
INTC
|
Cintと同じ（通常はint32またはint64）
|
|
INTP
|
インデックス用の整数（Cssize_tと同じ、通常はint32またはint64）
|
|
INT8
|
バイト（-128〜127）
|
|
INT16
|
整数（-32768〜32767）
|
|
INT32
|
整数（-2147483648〜2147483647）
|
|
Int64
|
整数（-9223372036854775808から9223372036854775807）
|
|
UINT8
|
符号なし整数（0から255）
|
|
UINT16
|
符号なし整数（0〜65535）
|
|
UINT32
|
符号なし整数（0から4294967295）
|
|
UINT64
|
符号なし整数（0から18446744073709551615）
|
|
浮く_
|
float64の短縮形。
|
|
float16
|
半精度浮動小数点：符号ビット、5指数、10仮数
|
|
FLOAT32
|
単精度浮動小数点数：符号ビット、8ビット指数、23ビット仮数
|
|
float64
|
倍精度浮動小数点：符号ビット、11指数、52仮数
|
|
繁雑_
|
complex128の省略形。
|
|
complex64
|
2つの32ビット浮動小数点数（実数および虚数）で構成される複素数
|
|
複雑128
|
2つの64ビット浮動小数点数（実数および虚数）で構成される複素数
|
4.リファレンス：
https://www.numpy.org.cn/（公式ウェブサイトのリンク）
https://www.cnblogs.com/hackpig/p/8183470.html（リストと配列の違い）
https://www.cnblogs.com/chenhuabin/p/11412818.html（numpyのデータ型）<-------------------------マトリックスを学ぶ学生は、見てみることを強くお勧めします