[Python数据科学手册]2.1理解Python中的数据类型

#内置的数组（array）模块（在 Python 3.3 之后可用）可以用于创 建统一类型的密集数组：
#'i' 是一个数据类型码，表示数据为整型
import array
L = list(range(10))
A = array.array('i',L)
print(A)

import numpy as np 
np.array([1,4,2,5,3])
# 不同于 Python 列表，NumPy 要求数组必须包含同一类型的数据。
# 如果类型不匹配，NumPy 将会向上转换（如果可行）
np.array([3.14,4,2,3])
#整型被转换为浮点型

# 如果希望明确设置数组的数据类型，可以用 dtype 关键字：
np.array([1,2,3,4],dtype='float32')

# 不同于 Python 列表，NumPy 数组可以被指定为多维的
np.array([range(i,i+3) for i in [2,4,6]])
#内层的列表被当作二维数组的行

#创建一个长度为10，值都是0的数组
np.zeros(10,dtype=int)

#创建一个3*5的浮点型数组，数组的值都是1
np.ones((3,5),dtype=float)

#创建一个3*5的浮点型数组，数组的值都是3.14
np.full((3,5),3.14)

# 创建一个3×5的浮点型数组，数组的值是一个线性序列        
# 从0开始，到20结束，步长为2        
# # （它和内置的range()函数类似） 
np.arange(0,20,2)

# 创建一个5个元素的数组，这5个数均匀地分配到0~1
np.linspace(0,1,5)

# 创建一个3×3的、在0~1均匀分布的随机数组成的数组
np.random.random((3,3))

# 创建一个3×3的、均值为0、方差为1的        
# 正态分布的随机数数组 
np.random.normal(0,1,(3,3))

# 创建一个3×3的、[0, 10)区间的随机整型数组
np.random.randint(0,10,(3,3))

# 创建一个3×3的单位矩阵
np.eye(3)

# 创建一个由3个整型数组成的未初始化的数组        
# 数组的值是内存空间中的任意值 
np.empty(3)