NumPy库中的ndarray对象——ndarray的创建

ndarray的创建

在NumPy中的核心对象就是ndarray，NumPy函数库里的所有函数都是围绕ndarray展开的。

我们可以将ndarray看作是数组，类似于向量或矩阵。

比如，我们看一下以下几行代码及其运行结果

在这里，np.array(),括号里边既可以是list类型、也可以是tupe类型，而nd.array展示的结果就是一个向量或矩阵。

nd.array对维数没有限制。

但是我们这样看ndarray好像是一个画蛇添足的把戏，不就是对于列表和元组换了一个书写形式嘛，甚至感觉还更麻烦了一些。如果你这样觉得，那就大low特low了！

NumPy库最具有魅力的地方在于它提供了专门生成ndarray的函数，提高了创建ndarray的速度。

我们看以下几行代码

a = np.arange(0, 1, 0.1)
b = np.linspace(0, 1, 10)
c = np.linspace(0,1,10,endpoint=False)
d = np.logspace(0,2,5)            

运行结果：

所以我们可以看到ndarray可以比较简洁地创造一些具有数学特性的数组。

那么这些NumPy具体创建数组的方法就给大家放到这里了：

1、numpy.empty

用来创造一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

numpy.empty(shape, dtype = float, order = 'C')

这里的order什么意思呢~它表示（下边几个order也是这个含义）

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。

2、numpy.zeros

创建指定大小的数组，数组元素用0来填充：

numpy.zeros(shape, dtype = float, order = 'C')

3、numpy.ones

创建指定形状的数组，数组元素用1来填充。

4、numpy.zeros_like

numpy.zeros_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 0 来填充。

numpy.zeros 和 numpy.zeros_like 都是用于创建一个指定形状的数组，其中所有元素都是 0。

它们之间的区别在于：numpy.zeros 可以直接指定要创建的数组的形状，而 numpy.zeros_like 则是创建一个与给定数组具有相同形状的数组。

import numpy as np
 
# 创建一个 3x3 的二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
 
# 创建一个与 arr 形状相同的，所有元素都为 0 的数组
zeros_arr = np.zeros_like(arr)
print(zeros_arr)

5、numpy.ones_like

numpy.ones_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 1 来填充。

numpy.ones 和 numpy.ones_like 都是用于创建一个指定形状的数组，其中所有元素都是 1。

它们之间的区别在于：numpy.ones 可以直接指定要创建的数组的形状，而 numpy.ones_like 则是创建一个与给定数组具有相同形状的数组。

6、np.full(4,np,pi):

创建长度为4，值全部为pi的矩阵

7、np.eye(3):

创建3*3的单位阵