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