Python NumPy创建数组的5种方法（附带实例）

NumPy 是 Python 中一个非常基础的用于进行科学计算的库，它的功能包括高维数组计算、线性代数计算、傅里叶变换以及生产伪随机数等。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算。

NumPy数组的创建

1) numpy.empty()方式

numpy.empty() 方式用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组，初始方式为：

numpy.empty(shape, dtype=float, order='C')

• shape 为数组形状；
• dtype 为数据类型，可选；
• order 有 "C" 和 "F" 两个选项，分别代表行优先和列优先（在计算机内存中存储元素的顺序）。

【实例】创建一个空数组。

import numpy as np
x=np.empty([3,2],dtype=int)
print(x)

运行程序，输出如下：

[[1 2]
[3 4]
[5 6]]

2) numpy.zeros()方式

numpy.zeros() 方式创建指定大小的数组，数组元素以 0 来填充，初始方式为：

numpy.zeros(shape, dtype=float, order='C')

• shape 为数组形状；
• dtype 为数据类型，可选；
• order 有 "C" 和 "F" 两个选项，"C" 用于 C 的行数组，"F" 用于 FORTRAN 的列数组。

【实例】利用 numpy.zeros() 方式创建数组。

import numpy as np
# 默认为浮点数
x = np.zeros(5)
print(x)
# 设置类型为整数
y = np.zeros((5,), dtype = int)
print(y)
# 自定义类型
z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])
print(z)

运行程序，输出如下：

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

3) numpy.ones()方式

numpy.ones() 方式用于创建指定形状的数组，数组元素以 1 来填充，初始方式为：

numpy.ones(shape, dtype=None, order='C')

• 参数 shape 为数组形状；
• dtype 为数据类型，可选；
• order 有 "C" 和 "F" 两个选项，"C" 用于 C 的行数组，"F" 用于 FORTRAN 的列数组。

【实例】利用 numpy.ones() 方式创建数组。

import numpy as np
# 默认为浮点数
x=np.ones(5)
print(x)
# 自定义类型
x=np.ones((2,2),dtype=int)
print(x)

运行程序，输出如下：

[1. 1. 1. 1. 1.]
[[1 1]
[1 1]]

4) 从已有的数组创建数组

numpy.asarray() 类似 numpy.array()，但 numpy.asarray() 的参数只有三个，比 numpy.array() 少两个。

numpy.asarray() 初始化为：

numpy.asarray(a, dtype=None, order=None)

• 参数 a 为任意形式的输入参数，可以是列表、列表的元组、元组、元组的元组、元组的列表、多维数组；
• dtype 为数据类型，可选；
• order 可选，有“C”和“F”两个选项，分别代表行优先和列优先（在计算机内存中存储元素的顺序）。

【实例】将元组列表转换为 ndarray。

import numpy as np
x = [(1,4,3),(6,9)]
a = np.asarray(x)
print(a)

运行程序，输出如下：

[(1,4,3) (6,9)]

5) 从数值范围创建数组

NumPy 包中使用 arange() 函数创建数值范围并返回 ndarray 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。

【实例】生成 0 到 5 的数组。

import numpy as np
x = np.arange(5)
print(x)

运行程序，输出如下：

[0 1 2 3 4]