2. 数组的创建

  1. 这里有几个共同的参数：

    • a：一个array-like类型的实例，它不一定是数组，可以为list、tuple、list of tuple、list of list、tuple of list、tuple of tuple等等。

    • dtype：数组的值类型，默认为float。你可以指定Python的标准数值类型，也可以使用numpy的数值类型如：numpy.int32或者numpy.float64等等。

    • order：指定存储多维数据的方式。

      • 可以为'C'，表示按行优先存储（C风格）；
      • 可以为'F'，表示按列优先存储（Fortran风格）。
      • 对于**_like()函数，order可以为：'C'，'F'，'A'（表示结果的order与a相同），'K'（表示结果的order与a尽可能相似）
    • subok：bool值。如果为True则：如果a为ndarray的子类（如matrix类），则结果类型与a类型相同。如果为False则：结果类型始终为ndarray。默认为True。

2.1 创建全1或者全0

  1. np.empty(shape[,dtype,order])：返回一个新的ndarray，指定了shape和dtype，但是没有初始化元素。因此其内容是随机的。

    • np.empty_like(a[,dtype,order,subok])：返回一个新的ndarray，shape与a相同，但是没有初始化元素。因此其内容是随机的。

    empty

  2. np.eye(N[, M, k, dtype])：返回一个二维数组，对角线元素为1，其余元素为0。M默认等于N。k默认为0表示对角线元素为1，如为正数则表示对角线上方一格的元素为1，如为负数表示对角线下方一格的元素为1.

    • np.identity(n[, dtype]) ：返回一个单位矩阵

    eye_identity

  3. np.ones(shape[, dtype, order])：返回一个新的ndarray，指定了shape和type，每个元素初始化为1.

    • np.ones_like(a[, dtype, order, subok]) ：返回一个新的ndarray，shape与a相同，每个元素初始化为1。

    ones

  4. np.zeros(shape[, dtype, order]) ：返回一个新的ndarray，指定了shape和type，每个元素初始化为0.

    • np.zeros_like(a[, dtype, order, subok])：返回一个新的ndarray，shape与a（另一个数组）相同，每个元素初始化为0。

    zeros

  5. np.full(shape, fill_value[, dtype, order])：返回一个新的ndarray，指定了shape和type，每个元素初始化为fill_value。

    • np.full_like(a, fill_value[, dtype, order, subok])：返回一个新的ndarray，shape与a相同，每个元素初始化为fill_value。

    full

2.2 从现有数据创建

  1. np.array(object[, dtype, copy, order, subok, ndmin]):从object创建。

    • object可以是一个ndarray，也可以是一个array_like的对象，也可以是一个含有返回一个序列或者ndarray的__array__方法的对象，或者一个序列。
    • copy：默认为True，表示拷贝对象
    • order可以为'C'、'F'、'A'。默认为'A'。
    • subok默认为False
    • ndmin：指定结果ndarray最少有多少个维度。

  2. np.asarray(a[, dtype, order])：将a转换成一个ndarray。其中a是array_like的对象， 可以是list、list of tuple、tuple、tuple of list、ndarray类型。order默认为C。

  3. np.asanyarray(a[, dtype, order])：将a转换成ndarray。

  4. np.ascontiguousarray(a[, dtype]) ：返回C风格的连续ndarray

  5. np.asmatrix(data[, dtype])：返回matrix fromdata

  6. np.copy(a[, order])：返回ndarray的一份深拷贝

  7. np.frombuffer(buffer[, dtype, count, offset])：从输入数据中返回一维ndarray。count指定读取的数量，-1表示全部读取；offset指定从哪里开始读取，默认为0。创建的数组与buffer共享内存。buffer是一个提供了buffer接口的对象（内置的bytes/bytearray/array.array类型提供了该接口）。 frombuffer

  8. np.fromfile(file[, dtype, count, sep]) ：从二进制文件或者文本文件中读取数据返回ndarray。sep：当从文本文件中读取时，数值之间的分隔字符串，如果sep是空字符串则表示文件应该作为二进制文件读取；如果sep为" "表示可以匹配0个或者多个空白字符。

  9. np.fromfunction(function, shape, **kwargs)：返回一个ndarray。从函数中获取每一个坐标点的数据。假设shape的维度为N，那么function带有N个参数，fn(x1,x2,...x_N)，其返回值就是该坐标点的值。

  10. np.fromiter(iterable, dtype[, count])：从可迭代对象中迭代获取数据创建一维ndarray。

  11. np.fromstring(string[, dtype, count, sep])：从字符串或者raw binary中创建一维ndarray。如果sep为空字符串则string将按照二进制数据解释（即每个字符作为ASCII码值对待）。创建的数组有自己的数据存储区。 fromstring

  12. np.loadtxt(fname[, dtype, comments, delimiter, ...]):从文本文件中加载数据创建ndarray，要求文本文件每一行都有相同数量的数值。comments：指示注释行的起始字符，可以为单个字符或者字符列表（默认为#）。delimiter:指定数值之间的分隔字符串，默认为空白符。converters：将指定列号(0,1,2…)的列数据执行转换，是一个map，如{0:func1}表示对第一列数据执行func1(val_0)。skiprows：指定跳过开头的多少行。usecols：指定读取那些列（0表示第一列）。

2.3 从数值区间创建

  1. np.arange([start,] stop[, step,][, dtype]):返回均匀间隔的值组成的一维ndarray。区间是半闭半开的[start,stop)，其采样行为类似Python的range函数。start为开始点，stop为终止点，step为步长，默认为1。这几个数可以为整数可以为浮点数。注意如果step为浮点数，则结果可能有误差，因为浮点数相等比较不准确。

  2. np.linspace(start, stop[, num, endpoint, ...]) ：返回num个均匀采样的数值组成的一维ndarray（默认为50）。区间是闭区间[start,stop]。endpoint为布尔值，如果为真则表示stop是最后采样的值（默认为True），否则结果不包含stop。retstep如果为True则返回结果包含采样步长step，默认为True。

  3. np.logspace(start, stop[, num, endpoint, base, ...])：返回对数级别上均匀采样的数值组成的一维ndarray。采样点开始于base^start，结束于base^stop。base为对数的基，默认为 10。

    • 它逻辑上相当于先执行arange获取数组array，然后再执行base^array[i]获取采样点
    • 它没有retstep 关键字参数

    fromrange