Python NumPy数组的创建方法

Numpy是Python中科学计算的基础包，其核心对象就是ndarray（n维数组）。利用数组可以快速执行逻辑，形状操作，统计和傅里叶变换等运算，其效率比Python原生的数组效率更高。因此使用Numpy的第一件事就是创建Numpy数组，本文总结了5种常用的创建NumPy数组方法。

一、使用NumPy内部功能函数

1.1 使用arange函数

Numpy的arange函数可以快速创建一个一维数组，功能和python的range函数很像，但它返回的是NumPy数组而不是列表。数组中元素的下标从0开始（和Python的列表相同）：

import numpy as np
a = np.arrange(10)

通过数组的shape属性可以查看数组的维度，返回的元组中只有1个数字，说明a是一个一维数组：

a.shape

1.2 创建多维数组

在使用arange创建一维数组时，通过reshape函数可以将其转化为指定的维度，下面创建一个3行3列二维数组：

a1 = np.arange(9).reshape(3,3)

通过a1的shape属性可以看到返回了2个数字，说明这是二维数组（这个就是reshape的参数）：

a1.shape

访问二维数组中的元素，需要2个索引值：

a1[1][2]    # 访问第2行，第3列元素（索引从0开始）

同理，三维数组就需要给reshape函数提供3个参数（访问元素也需要3个索引值），N维数组依次类推：

a2 = np.arange(27).reshape(3,3,3)

注意：arange函数返回的元素个数需要和reshape参数的乘积相同，示例中是27=3 X 3 X 3，否则无法生成N维数组。

1.3 使用zeros/zeros_like和ones/ones_like函数

通常数组中的元素最初值可能是未知的，但形状通常是已知的。NumPy提供了一系列函数来创建指定形状的数组，并用初始值填充，这样可以避免后期数组增长（NumPy数组变更形状代价很大，需要删除重建，这点和Python不同）。

zeros和ones函数可以创建数组并分别用0和1预填充。zeros和ones传入的参数为数组的各个维度值组成的元组。下面示例使用zeros和ones分别创建一个3行3列的二维数组，注意各维度值是以元组的形式传入的，因此是双层括号：

a3 =<