Numpy学习笔记——创建ndarray数组的方法总结

        前言：初学者一只，内容仅为学习的总结，可能存在不全面、有错误等情况，望海涵并加以斧正。对于笔记中的一些内容，作者也是不知所以然，也望各路大佬解惑。

目录

一、一般创建（array）：

二、空数组（empty）：

三、零数组（zeros）：

四、一数组（ones）：

五、通过已知数组生成（asarray）：

六、范围数组（arange）：

七、等差数组（linspace）：

八、等比数组（logspace）：

九、其他数组（frombuffer、fromiter）：

---

一、一般创建（array）：

        x = np.array(object, detype = None, copy = True, order = None, subok = False, ndmin = 1)

名称	描述	可选性
object	数组或嵌套的数列	必填
dtype	数据类型	可选
copy	对象是否需要复制	可选
order	创建数组的样式，C_行、F_列、A_任意（默认）	可选
subok	默认返回一个与基类类型一致的数组	可选
ndmin	指定生成数组的最小维度	可选

        object 和 dtype 自然不需要过多的解释，至于 copy 、 order 和 subok 的作用，作者也没有搞清楚（至少现阶段没用到），这里解释一下 ndim：

x=np.array([1,2,3])
x=np.array([1,2,3],ndmin=1)
x=np.array([1,2,3],ndmin=0)
x=np.array([1,2,3],ndmin=-1)

# 以上结果均为 array([1,2,3])
# 可知：ndmin默认为1，当ndmin为0或负值时，结果也为1


x=np.array([1,2,3],ndmin=2)

# 以上结果为 array([[1,2,3]]) 即ndmin变为了2

二、空数组（empty）：

        x = np.empty(shape, detype = np.float64, order = 'C')

名称	描述	可选性
shape	数组的形状	必填

        其他参数上文有表，此处不多赘述。

        注1：若是一维数组，shape单填一个数字即可；若是多维数组，则需以[m,n,...]的形式来表示 shape。

        注2：生成空数组时，其内容可能是一串奇怪的数字，但若对其进行一次加减运算，其性质又类似于零数组。但是其生成好像有点玄学，有时候又会生成规律的数组，暂时没太弄懂。

三、零数组（zeros）：

        x = np.zeros(shape, detype = np.float64, order = 'C')

        生成全为 0 的数组

四、一数组（ones）：

        x = np.ones(shape, detype = np.float64, order = 'C')

        生成全为 1 的数组

五、通过已知数组生成（asarray）：

        x = np.asarray(a, dtype = None, order = None)

名称	描述	可选性
a	已知数组	必填

六、范围数组（arange）：

        x = np.arange(start = 0, stop, step = 1, dtype = None)

名称	描述	可选性
start	起始值	可选
stop	终止值（不包含）	必填
step	步长	可选

七、等差数组（linspace）：

        x = np.linspace(start, stop, num = 50, endpoint = True, restep = False, dtype = None)

名称	描述	可选性
num	生成的样本数量	可选
endpoint	是否包含终止值	可选
restep	是否展示公差	可选

八、等比数组（logspace）：

        x = np.logspace(start, stop, num = 50, endpoint = True, base = 10.0, dtype = None)

名称	描述	可选性
base	底数	可选

        注：起始值 = base**start；终止值 = base**stop

九、其他数组（frombuffer、fromiter）：

        x = np.frombuffer(buffer, dtype = np.float64, count = -1, offest = 0)

        x = np.fromiter(iterable, dtype, count = -1)

        是的，我之所以把这两种方法归在“其他”一类当中，就是因为我不懂，我甚至不知道 buffer 和 iterable 是什么。

---

        欢迎大家 参考、补充、答疑、斧正。

        六月渔烬 文