ndarray的创建（小白五分钟从入门到精通）

用途

方法

语法示例

核心作用

输出示例

基础构造

▪ 从 Python 数据结构创建

np.array()

np.array([[1, 2], [3, 4]])

将列表/元组转换为 ndarray

array([[1, 2], [3, 4]])

▪ 复制数组

np.copy()

np.copy(arr)

创建独立副本（深拷贝）

与原数组相同但不共享内存

预定义形状填充

▪ 全0数组

np.zeros()

np.zeros((2,3))

快速初始化全0数组

[[0., 0., 0.], [0., 0., 0.]]

▪ 全1数组

np.ones()

np.ones((3,2), dtype=int)

快速初始化全1数组

[[1, 1], [1, 1], [1, 1]]

▪ 未初始化数组

np.empty()

np.empty((2,2))

预分配内存（值随机）

随机值（如 [[1e-323, 0.], [0., 0.]]）

▪ 填充固定值

np.full()

np.full((2,3), 5)

用指定值填充数组

[[5, 5, 5], [5, 5, 5]]

基于数值范围生成

▪ 等差序列

np.arange()

np.arange(0, 10, 2)

生成步长固定的序列（不含终点）

[0, 2, 4, 6, 8]

▪ 等间隔序列

np.linspace()

np.linspace(0, 1, 5)

生成指定数量的等间隔值（含终点）

[0.0, 0.25, 0.5, 0.75, 1.0]

▪ 对数间隔序列

np.logspace()

np.logspace(0, 2, 3, base=10)

生成对数间隔值（如 10^0, 10^1, 10^2）

[1.0, 10.0, 100.0]

特殊矩阵生成

▪ 单位矩阵

np.eye()

np.eye(3)

生成单位矩阵（对角线为1）

[[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]]

▪ 对角矩阵

np.diag()

np.diag([1, 2, 3])

生成以指定值为对角线的矩阵

[[1, 0, 0], [0, 2, 0], [0, 0, 3]]

随机数组生成

▪ 均匀分布随机数

np.random.rand()

np.random.rand(2,2)

生成 [0,1) 均匀分布的随机数

[[0.43, 0.89], [0.21, 0.57]]

▪ 正态分布随机数

np.random.randn()

np.random.randn(2,2)

生成标准正态分布随机数（均值为0，方差为1）

[[-0.5, 1.2], [0.3, -1.8]]

▪ 随机整数

np.random.randint()

np.random.randint(1,10, (2,2))

生成指定范围内的随机整数

[[3, 7], [5, 2]]

高级构造方法

▪ 从字符串创建

np.array()

np.array(['a', 'bc'])

将字符串转换为字符数组

array(['a', 'bc'], dtype='<U2')

▪ 从文件读取

np.loadtxt()

np.loadtxt('data.txt')

从文本文件加载数据

依赖文件内容（如 [[1., 2.], [3., 4.]]）

▪ 函数生成数组

np.fromfunction()

np.fromfunction(lambda i,j: i+j, (3,3))

根据函数生成数组元素

[[0., 1., 2.], [1., 2., 3.], [2., 3., 4.]]

Python
import numpy as np

# 从列表创建一维数组
arr1 = np.array([1, 2, 3])
print(arr1)  # 输出: [1 2 3]

# 从嵌套列表创建二维数组
arr2 = np.array([[1, 2], [3, 4]])
print(arr2)
# 输出:
# [[1 2]
#  [3 4]]

# 指定数据类型
arr3 = np.array([1, 2.5], dtype=np.float32)
print(arr3.dtype)  # 输出: float32

Python
np.zeros(shape, dtype=float)  # 全0  返回给定形状和类型的新数组，用0填充。
np.ones(shape, dtype=float)   # 全1  返回给定形状和类型的新数组，用1填充。

Python
# 创建 2x3 全0浮点数组
zeros_arr = np.zeros((2, 3))
print(zeros_arr)
# 输出:
# [[0. 0. 0.]
#  [0. 0. 0.]]

# 创建 3x2 全1整数数组
ones_arr = np.ones((3, 2), dtype=int)
print(ones_arr)
# 输出:
# [[1 1]
#  [1 1]
#  [1 1]]

Python
empty_arr = np.empty((2, 2))
print(empty_arr)  # 输出可能为随机值（如 [[1e-323, 0. ], [0., 0. ]]）

Python
full_arr = np.full((2, 3), 5)
print(full_arr)
# 输出:
# [[5 5 5]
#  [5 5 5]]

Plain Text
arr2 = np.ones_like(arr1)  # 创建和arr1形状相同的全1数组
arr4 = np.empty_like(arr3)  # 创建和arr3形状相同的未初始化数组
arr2 = np.full_like(arr1, 5)

Python
arr = np.arange(0, 10, 2)  # 0 ≤ 值 <10，步长2
print(arr)  # 输出: [0 2 4 6 8]

Python
arr = np.linspace(0, 1, 5)  # 0到1之间生成5个等间隔值
print(arr)  # 输出: [0.   0.25 0.5  0.75 1.  ]

Python
arr = np.logspace(0, 2, 3)  # 10^0, 10^1, 10^2
print(arr)  # 输出: [  1.  10. 100.]

Python
np.eye(N)  # NxN 单位矩阵
np.identity(N)

Python
eye_arr = np.eye(3)
print(eye_arr)
# 输出:
# [[1. 0. 0.]
#  [0. 1. 0.]
#  [0. 0. 1.]]

Python
np.diag([a, b, c])  # 对角线为 a, b, c，其余为0

Python
diag_arr = np.diag([1, 2, 3])
print(diag_arr)
# 输出:
# [[1 0 0]
#  [0 2 0]
#  [0 0 3]]

Python
rand_arr = np.random.rand(2, 2)  # [0,1) 均匀分布
# 输出示例: [[0.43, 0.89], [0.21, 0.57]]

Python
randn_arr = np.random.randn(2, 2)  # 均值为0，方差为1
# 输出示例: [[-0.5, 1.2], [0.3, -1.8]]

Python
int_arr = np.random.randint(1, 10, (2, 2))  # [1,10) 的整数
# 输出示例: [[3, 7], [5, 2]]

Python
import numpy as np

# 设置随机种子
np.random.seed(42)  # 参数可以是任意整数

# 生成随机数
print(np.random.rand(3))  # 输出固定结果

Python
data = np.loadtxt('data.txt')  # 读取文本文件

Python
data = np.genfromtxt('data.csv', delimiter=',')  # 支持复杂格式

场景

推荐方法

优点

快速初始化全0/全1数组

np.zeros/np.ones

内存预分配，明确值

生成数值序列

np.arange/np.linspace

灵活控制范围和步长

创建单位矩阵或对角矩阵

np.eye/np.diag

数学运算专用

高性能预分配内存

np.empty

速度最快（需手动初始化）

随机数据生成

np.random 模块

模拟实验数据