1.2 NumPy数组引出
🚩下面我们就开始写代码：
写完一行之后我们点击运行，同样用快捷键：Shift + Enter 也可以运行：
如下可以查看所有的快捷键：
我们的代码是可以反复运行的：比如我们再运行一下第一行代码，就会发现，从 In [1] 变成了 In[2]：
现在我们让它变成蓝色：
很丑，对吧，因为在 Python 语法中，# 代表的是注释，而在 Markdown 中，# 代表的是一级标题。
故我们可以去掉 #
按下快捷键：B，继续写代码
没有行号看起来是不是有些别扭？我们点击 view -> line numbers：
我们编写一个代码，输出一个列表，我们点击运行：
当然我们的切片操作也是一样的：
我们的主角登场了！numpy数组
numpy数组支持更简单的操作：
比如我们的列表，下述操作会报错：
但是我们的numpy数组就支持上述操作：
当然，还有一些很“离谱”的操作：
显然，我们的列表是没有这种“骚操作”的：
1.3 NumPy数组创建
🚩我们在 1.2 NumPy数组引出 其实已经简单给大家介绍了如何创建一个数组：使用 array 函数.
但其实，创建数组的方式不仅如此，NumPy 中有很多的方式去创建（初始化）一个数组：
我们发现这个 logspace 的运行结果我们看不懂，这是因为它是用科学计数法表达的，我们可以使用 np.set_printoptions(suppress = True) 来让运行结果变成我们能看懂的数字：
上述代码：
np.ones(shape = 10) # 10个1 np.zeros(shape = 5) # 5个0 np.full(shape = 6, fill_value = 666) # 6个666 np.random.randint(0, 100, size = 10) # 在0 ~ 100 中随机生成10个数 np.random.randn(10) # 生成10个正态分布，平均值是0，标准差是1 np.linspace(1, 100, 100) # 把1 ~ 100等分成100份（等差数列） np.linspace(1, 99, 50) np.set_printoptions(suppress = True) np.logspace(0, 10, base = 2, num = 11)# 从2^0 到 2^ 10 分成11份 # 使用 shift + tab 可以查看方法的参数，工具查看 # 二维数组：3行5列 np.random.randint(0, 10, size = (3, 5)) # 三维数组： np.random.randint(0, 10, size = (2, 3, 5))
