NumPy 数组创建
- 从其他Python结构（例如，列表，元组）转换
- numpy原生数组的创建（例如，arange、ones、zeros等）
array
x= np.array(list/tuple)
x= np.array(list/tuple, dtype=np.float32)
当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型
empty
numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：
numpy.empty(shape, dtype = float, order = ‘C’)
shape 数组形状
dtype 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，在计算机内存中的存储元素的顺序。
import numpy as np
x = np.empty([3,2], dtype = int)
print (x)
asarray
numpy.asarray 类似 numpy.array，但 numpy.asarray 只有三个，比 numpy.array 少两个。
numpy.asarray(a, dtype = None, order = None)
a 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 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，在计算机内存中的存储元素的顺序。
import numpy as np
x = [1,2,3]
a = np.asarray(x)
print (a)
[1 2 3]
import numpy as np
x = (1,2,3)
a = np.asarray(x)
print (a)
[1 2 3]
import numpy as np
x = [(1,2,3),(4,5)]
a = np.asarray(x)
print (a)
[(1, 2, 3) (4, 5)]
设置了 dtype 参数：
import numpy as np
x = [1,2,3]
a = np.asarray(x, dtype = float)
print (a)
[ 1. 2. 3.]
zeros(shape)
将创建一个用指定形状用0填充的数组。默认的dtype是float64。
numpy.zeros(shape, dtype = float, order = ‘C’)
shape 数组形状
dtype 数据类型，可选
order ‘C’ 用于 C 的行数组，或者 ‘F’ 用于 FORTRAN 的列数组
np.zeros((2, 3)) array([[ 0., 0., 0.], [ 0., 0., 0.]])
ones(shape)将创建一个用1个值填充的数组。它在所有其他方面与zeros相同。
arange()
创建具有有规律递增值的数组。
numpy.arange(start, stop, step, dtype)
start 起始值，默认为0
stop 终止值（不包含）
step 步长，默认为1
dtype 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。
>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.arange(2, 10, dtype=np.float)
array([ 2., 3., 4., 5., 6., 7., 8., 9.])
>>> np.arange(2, 3, 0.1)
array([ 2. , 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9])
linspace()
创建具有指定数量元素的数组，并在指定的开始值和结束值之间平均间隔。
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
start 序列的起始值
stop 序列的终止值，如果endpoint为true，该值包含于数列中
num 要生成的等步长的样本数量，默认为50
endpoint 该值为 ture 时，数列中中包含stop值，反之不包含，默认是True。
retstep 如果为 True 时，生成的数组中会显示间距，反之不显示。
dtype ndarray 的数据类型
>>> np.linspace(1., 4., 6)
array([ 1. , 1.6, 2.2, 2.8, 3.4, 4. ])
这个创建函数的优点是可以保证元素的数量以及开始和结束点，对于任意的开始，停止和步骤值，arange()通常不会这样做。
indices()
创建一组数组（堆积为一个更高维的数组），每个维度一个，每个维度表示该维度中的变化。
>>> np.indices((3,3))
array([[[0, 0, 0], [1, 1, 1], [2, 2, 2]], [[0, 1, 2], [0, 1, 2], [0, 1, 2]]])