numpy库的常见的几个函数

import numpy as np
a = np.empty((3,3)) #empty()不赋初值，是最快速的方法，只分配数组所使用的内存，不对数据初始化起作用
print(a) #补充：网上看见过这样一句话：np.empty()用于生成接近于0的随机数数组

#从指定的函数中生成数组，第一参数是函数名称(注意是函数名称)，第二个参数是数组形状
def mult(x = 0, y = 0):
    return (x+1)*(y+1)
a1 = np.fromfunction(mult,(9,9)) #生成的9行9列矩阵（也就是二位数组）中的行和列分别对应自定义函数中的x,y，是跟函数参数的前后位置是对应的
#a1.shape = 3,-1 #调整数组在每个维度上大小的整数元组，-1是列让系统自己去算，我们只给定了三行，当然也可以自己给定但是得算好了，不能掉了或多了数据，这样会报错的。。。
print(a1)

k= [[1,2], [2,3], [3,4]]
print(k)
a2 = np.array(k) #从输出我们可以发现python中的数组和numpy中的数组的显示情况是不太一样的（没有逗号！）
print(a2)
a3 = np.array(k, dtype = np.float) #定义numpy数组元素的类型，一般定义的有浮点型np.float和整型np.int
print(a3)

#全零矩阵
a4 = np.zeros((5,5))
print(a4)

#全一矩阵
a5 = np.ones((5,5))
print(a5)

#生成一个由x到y，以i为步长的数组
a6 = np.arange(10, 20, 2)
print("numpy里的arange：",a6)
#对比于python中的range函数
a7 = range(10, 20, 2)
print("python里的range：",list(a7))

#修改矩阵的形状
# np.reshape()函数
# 使用例子：a = np.arange(12).reshape(3, 4)，不改变原数组，返回一个新的数组
# np.shape()函数
# 这个上边有说过，这个会直接改变原来的数组！

输出：