numpy与pandas较python运行速度较快，pandas是基于numpy,是numpy的升级版本
其消耗资源少，采用的是矩阵运算，会比python自带的字典或者列表快好多
numpy的一些属性：
。 ndim:维度
。 shape：行数和列数
。 size: 元素的个数
import numpy as np
array = np.array([[1,2,3],[2,3,4]]) #将列表转换为矩阵
print(array)
"""
array([[1, 2, 3],
[2, 3, 4]])
"""
print('number of dim:',array.ndim) # 维度
number of dim: 2
print('shape :',array.shape) # 行数和列数
shape : (2, 3)
print('size:',array.size) # 元素个数
size: 6
关键字
array:创建数组
dtype:指定数据类型
zeros:创建数据全为0
ones:创建数据全为1
arrange:按指定范围创建数据
linspace：创建线段
a = np.array([2,23,4]) #创建数组
print(a)
a = np.array([2,23,4],dtype=np.int)
print(a.dtype)
创建全零数组
a = np.zeros((3,4))
"""
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
"""
创建全一数组, 同时也能指定这些特定数据的 dtype:
a = np.ones((3,4),dtype = np.int) # 数据为1，3行4列
"""
array([[1, 1, 1, 1],
[1, 1, 1, 1],
[
创建全空数组, 其实每个值都是接近于零的数:
a = np.empty((3,4)) # 数据为empty，3行4列
"""
array([[ 0.00000000e+000, 4.94065646e-324, 9.88131292e-324,
1.48219694e-323],
[ 1.97626258e-323, 2.47032823e-323, 2.96439388e-323,
3.45845952e-323],
[ 3.95252517e-323, 4.44659081e-323, 4.94065646e-323,
5.43472210e-323]])
用 arange 创建连续数组:
a = np.arange(10,20,2) # 10-19 的数据，2步长
"""
array([10, 12, 14, 16, 18])
"""
