`import numpy as np
data = np.array([[1.5, -0.1, 3], [0, -3, 6.5]])
data1 = data * 10
data2 = data + data
print(data)
print(data1)
print(data2)
print(data.shape) # 数组形状，如2*3
print(data.dtype) # 数组数据类型

创建ndarray

列表转换

data3 = [6, 7.5, 8, 0, 1]
arr1 = np.array(data3)
print(arr1)

嵌套序列（比如由一组等长列表组成的列表）会转换为多维数组

data4 = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr2 = np.array(data4)
print(arr2)
print(arr2.ndim) # 数组维度
print(arr2.shape) # 数组形状

数据类型保存在一个特殊的元数据对象dtype中

print(arr1.dtype)
print(arr2.dtype)

创建指定长度或形状的全0和全1数组

arr3 = np.zeros(10) # 指定长度
print(arr3)
arr4 = np.zeros((3,6)) # 指定形状
print(arr4)
arr5 = np.empty((2, 3, 2)) # 2层，每层3行，每行2列
print(arr5)
arr6 = np.arange(15) # np.arange是Python内置的range函数的数组版
print(arr6)

一些重要的NumPy数组创建函数

1.array:将输入数据转换为ndarray,默认复制输入数据（如上面所示）

2.asarray:将输入转换为ndarray,如果输入本身就是ndarray则不再复制

data5 = [[1, 3, 5], [7, 9, 11]]
arr7 = np.asarray(data5)
data6 = [[2, 4, 6],
[8, 10, 12]]
arr8 = np.asarray(data6)
print(arr7)
print(arr8)

3.ones:根据给定的形状和数据类型创建一个全1数组

data7 = np.ones((3, 3), dtype=np.float64)
print(data7)

4.ones_like:根据给定数组的形状和数据类型创建一个全1数组

data8 = np.ones_like(data7)
print(data8)

5.zeros,zeros_like与上面的ones,ones_like一样

6.empty,empty_like语法和ones差不多，但生成的随机数的数组

7.full:根据给定的形状和数据类型生成指定数值的数组

arr9 = np.full((2,3), 6, dtype=float)
print(arr9)

8.full_like:根据给定数组生成一个形状一样但内容是指定数值的数组

arr10 = np.full_like(data7,5)
print(arr10)

9.eye,identity:创建一个正方形N*N的特征矩阵

arr11 = np.eye(5, k=1) # k=0为主对角线，k>0主对角线以上的对角线，k<0主对角线以下
print(arr11)
arr12 = np.identity(3)
print(arr12)

`