day 23打卡

day 16
数组的创建
numpy 数组基础笔记
1、理解数组的维度
numpy 数组的维度（dimensions）   或称为轴（axis）的概念，与我们日常理解的维度非常相似。
直观判断：数组的维度层数通常可以通过打印输出时中括号[]的嵌套层数来初步确定；
一层[]:一维（1D）数组。
两层[]:二维（2D）数组。
三层[]：三维（3D）数组，以此类推
2、numpyn数组与深度Tensor的关系
在后续进行频繁的数学运算时，尤其是在深度学习领域，对于numpy 数组的理解非常有帮助，因为PYTORCH 或者tensorflow 中的tensor 张量本质上可以视为支持GPU加速和自动微分的numy数组。掌握nunpy的基本操作。能极大的降低学习tensor 的门槛。关于numpy 更加深入的性质，我们留待后续探讨。

3、一维数组（1D array）
一维数组在结构上与python 中的列表list 非常相似，她的主要区别在于：
打印输出格式：当使用print（）函数输出时：
numpy 一维数组元素之间默认使用空格分隔。
python 列表的元素之间使用逗号分隔。
市例一维数组输出：
        [7,5,3,9]
        
4、二维数组（2D array）
二维数组可以被看作是：数组的数组，或者一个矩阵，其结构由两个主要维度决定
行数：代表整个二维数组中包含多少个一维数组。
列数：代表每个一维数组（也就是每一行）中包含多少个元素
值得注意二维数组不一定是正方形，他可以是任意的n*m

5、数组的创建
numpy 的array（） 函数非常灵活，可以接受各种“各种序列型”对象作为输入参数来构建数组。
这意味着可以将python 的列表list 元组tuple 甚至其他的numpy数组等数据结构直接传递给np.array（）来创建新的numpy 数组
# 数组的简单创建
import numpy  as np 
a=np.array([2,4,6,8,10,12])
b=np.array([[2,4,6],[8,10,12]])
print (a)
print (b)
# 分清楚列表和数组的区别
print([7,5,3,9])
print (np.array([7,5,3,9]))
a.shape
zeros=np.zeros((2,3))
zeros
ones=np.ones((3,))
ones
# 顺序数组的创建
arange=np.arange(1,10)
arange

@浙大疏锦行