四、numpy的使用（三）

还是按照我们之前的教程，先打开jupyter notebook，然后输入：

import numpy as np

lst=[1,2,3,4]

data=np.array(lst)

然后呢我们在这个代码下面输入：

data.size

结果是：

4

由此我们可以得知，size是用来查看array里面有多少个元素的，比如我们这个array里面的元素有1、2、3、4，所以结果是4.

现在我们来讲一些非常好用的东西

np.zeros(2)

结果是：

array([0., 0.])

这里zero是0的意思，那么意思就是你创造出来的array都是0。我们这里括号里面是2，所以创造的是带有两个0的array。

如果你要创造二维的array的话，那么就要注意了一个小细节了：

np.zeros([2,3])

要注意，如果你要创造多维的array的话，要圆括号里面要加上一个方括号才可以。

结果是：

array([[0., 0., 0.], [0., 0., 0.]])

同样的，除了zeros以外，还有ones，用法和zeros一样。

看下面这个例子：

eg=[[1,2,3,4],[11,22,33,44],[111,222,333,444],[1111,2222,3333,4444]]

eg_arr=np.array(eg)

eg_arr

结果是：

array([[ 1, 2, 3, 4], [ 11, 22, 33, 44], [ 111, 222, 333, 444], [1111, 2222, 3333, 4444]])

我们从中可以看到，这是一个多维的array。

np.zeros_like()

用这个zeros_like可以轻松创造出任何你想复制的维度。比如说：

np.zeros_like(eg_arr)

结果是：

array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]])

可能很多人会有疑惑，创建这么多0干什么？

我们做数据分析很多时候是先创造一个合适的框架，然后再根据情况慢慢的往里面填充和更改数据，这样就可以大大的提高效率。

概念不多，但是都是很实用的东西，掌握下来把！