使用NumPy需要先导入，约定俗成地为它起别名np。使用np.array
可传入一个元组或列表。如果是二维数据，可以是由列表组成的列表或
由元组组成的列表等形式。
import numpy as np
np.array([1, 2, 3])
np.array((1, 2, 3)) # 同上
# array([1, 2, 3])
np.array(((1, 2),(1, 2)))
np.array(([1, 2],[1, 2])) # 同上
'''
array([[1, 2],
[1, 2]])
'''
以下是一些常见的数据生成函数。
np.arange(10) # 10个，不包括10，步长为1
np.arange(3, 10, 0.1) # 从3到9，步长为0.1
# 从2.0到3.0，生成均匀的5个值，不包括终值3.0
np.linspace(2.0, 3.0, num=5, endpoint=False)
# 返回一个6×4的随机数组，浮点型
np.random.randn(6, 4)
# 指定范围、指定形状的数组，整型
np.random.randint(3, 7, size=(2, 4))
# 创建值为0的数组
np.zeros(6) # 6个浮点0.
np.zeros((5, 6), dtype=int) # 5×6整型0
np.ones(4) # 同上
np.empty(4) # 同上
# 创建一份和目标结构相同的0值数组
np.zeros_like(np.arange(6))
np.ones_like(np.arange(6)) # 同上
np.empty_like(np.arange(6)) # 同上
2.3.4 数据类型
由于Pandas中的数据类型部分继承了NumPy的数据类型，所以我们
需要了解一下NumPy的常见类型。
np.int64 # 有符号64位整型
np.float32 # 标准双精度浮点类型
np.complex # 由128位的浮点数组成的复数类型
np.bool # bool类型（True或False）
np.object # Python中的object类型
np.string # 固定长度的string类型
np.unicode # 固定长度的unicode类型
np.NaN # np.float的子类型
np.nan
2.3.5 数
