如何优雅地用Numpy 生成各种各样的数组？

现在我们对 Numpy 有了基本的了解，利用 Numpy 能够帮助我们提高计算效率，利用 Numpy 的 ndarray 多维数组对象存储数据能够减少内存占用，Numpy 的这些优势使得它广泛应用于人工智能、计算机视觉、生物信息等领域。 使用Numpy进行数据处理和科学计算时，生成各种类型的数组是非常常见的需求，有的需要全 0 数组，有的需要满足正态分布的数组。Numpy提供了多种函数和方法，可以方便地生成不同形状和类型的数组。今天我就带大家学习一下如何利用 Numpy 生成各种各样的数组。

生成 0 和 1 的数组

我们知道在图像处理中，我们通常是借助矩阵来表示图片的颜色，全 0 数组表示黑色，全 1 数组表示白色；在数据处理过程中，有时也需要借助全 0 或全 1 数组表示边界条件和权重。 下面我们就来看看如何利用 Numpy 生成一个全 0 或全 1 数组吧！

zeros 方法创建全 0 数组

我们先来学习一下如何生成一个全 0 数组吧！ 比如在植物大战僵尸中，游戏开始时，草坪上没有植物，这时我们便可以通过一个全 0 数组代表草坪的初始状态。现在我们需要初始化一个六行八列的草坪，该如何实现呢？ 代码示例： import numpy as np

zeroArry=np.zeros((6,8))

print(zeroArry) 输出结果： [[0. 0. 0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0. 0. 0.]] 可以看见在利用 zeros 方法创建一个全 0 数组时，我们只需要传入所需数组的形状便可以创建出所需形状的全 0 数组。 学习完了如何创建全 0 数组，下面我们再来看看如何创建全 1 数组吧！

ones 方法创建全 1 数组

全 1 数组与全 0 数组的作用基本相同，同样也可以用于数据的初始化。比如，扫雷游戏，开始时整个地图我们都没有查看过，这时我们便可是设置一个全 1 数组表示这一初始状态，现在我们要初始化一个四行三列的地图该如何处理呢？ 代码示例： import numpy as np

oneArry=np.ones((3,4))

print(oneArry) 输出结果： [[1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.]] 同创建全 0 数组一样，我们只需传入所需数组的形状即可创建所需形状的全 1 数组。我们可以看到，不管是 0 填充还是 1 填充，默认的数据类型都是为浮点数，这值得我们注意。 同时在一些情况下，我们可能需要预先分配足够的空间以容纳即将到来的数据时，这时我们就需要创建一个未初始化的空数组来完成，那么如何才能创建一个指定形状的空数组呢？

empty 方法创建未初始化数组

empty 方法是用来创建一个指定形状、指定数据类型并且未初始化的数组。未初始化指的就是对于其中的数据并没有被指定填充值。 比如，在实验中我们还并未知晓实验数据，但需要提前分配一个三行四列的地址空间，该如何处理呢？代码示例： import numpy as np emptyArry=np.empty((3,4)) print(emptyArry) 输出结果： [[6.23042070e-307 4.67296746e-307 1.69121096e-306 4.67293691e-307] [2.22518251e-306 1.60218491e-306 1.37962320e-306 1.78019354e-306] [2.22522597e-306 1.33511969e-306 1.15711378e-306 1.16826224e-307]] 可以看到其中会出现数据，我们之前不是说没有指定填充值吗，这里为什么又会出现值呢？这其实不难理解，未初始化并不代表没有值，为了程序的安全，未初始化的变量程序会根据编译器的设置填充一些值，比如这里的随机值。 此外，在数学中，特别是在物理中，我们知道一些数据都是存在一些规律的，在进行一些模拟验证时也是需要这样一些具有规律的数据，用键盘一个一个输入这些数据往往是不现实的，NumPy 作为科学计算的利器，也是将这类数据考虑其中，建立相对应的方法。比如：我们想要创建一个对角矩阵该如何处理呢？</