本篇内容介绍了“Python NumPy教程之数组如何创建”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
成都创新互联公司公司2013年成立，先为新城等服务建站，新城等地企业，进行企业商务咨询服务。为新城企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
数组用于在一个变量中存储多个值。Python 没有对数组的内置支持，但可以使用 Python 列表代替。
例子 ：
arr = [1, 2, 3, 4, 5] arr1 = ["geeks", "for", "geeks"]
# 用于创建数组的 Python 程序 # 使用列表创建数组 arr=[1, 2, 3, 4, 5] for i in arr: print(i)
输出：
1
2
3
4
5
array(data type, value list)函数用于创建一个数组，其参数中指定了数据类型和值列表。
例子 ：
# 演示 array() 工作的 Python 代码
# 为数组操作导入“array”
import array
# 用数组值初始化数组
# 用有符号整数初始化数组
arr = array.array('i', [1, 2, 3])
# 打印原始数组
print ("The new created array is : ",end="")
for i in range (0,3):
print (arr[i], end=" ")
print ("\r")输出：
The new created array is : 1 2 3 1 5
NumPy 提供了几个函数来创建具有初始占位符内容的数组。这些最大限度地减少了增长阵列的必要性，这是一项昂贵的操作。例如：np.zeros、np.empty等。
numpy.empty(shape, dtype = float, order = 'C')：返回给定形状和类型的新数组，具有随机值。
# 说明 numpy.empty 方法的 Python 代码
import numpy as geek
b = geek.empty(2, dtype = int)
print("Matrix b : \n", b)
a = geek.empty([2, 2], dtype = int)
print("\nMatrix a : \n", a)
c = geek.empty([3, 3])
print("\nMatrix c : \n", c)输出 ：
Matrix b :
[ 0 1079574528]
Matrix a :
[[0 0]
[0 0]]
Matrix a :
[[ 0. 0. 0.]
[ 0. 0. 0.]
[ 0. 0. 0.]]
numpy.zeros(shape, dtype = None, order = 'C')：返回给定形状和类型的新数组，带零。
# 说明 numpy.zeros 方法的 Python 程序
import numpy as geek
b = geek.zeros(2, dtype = int)
print("Matrix b : \n", b)
a = geek.zeros([2, 2], dtype = int)
print("\nMatrix a : \n", a)
c = geek.zeros([3, 3])
print("\nMatrix c : \n", c)输出 ：
Matrix b :
[0 0]
Matrix a :
[[0 0]
[0 0]]
Matrix c :
[[ 0. 0. 0.]
[ 0. 0. 0.]
[ 0. 0. 0.]]
我们可以使用reshape方法来重塑数组。考虑一个形状为 (a1, a2, a3, ..., aN) 的数组。我们可以重新整形并将其转换为另一个形状为 (b1, b2, b3, ..., bM) 的数组。
唯一需要的条件是： a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM 。（即数组的原始大小保持不变。）
numpy.reshape(array, shape, order = 'C')：在不更改数组数据的情况下对数组进行整形。
# 说明 numpy.reshape() 方法的 Python 程序
import numpy as geek
array = geek.arange(8)
print("Original array : \n", array)
# 具有 2 行和 4 列的形状数组
array = geek.arange(8).reshape(2, 4)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
# 具有 2 行和 4 列的形状数组
array = geek.arange(8).reshape(4 ,2)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
# 构造 3D 数组
array = geek.arange(8).reshape(2, 2, 2)
print("\nOriginal array reshaped to 3D : \n", array)输出 ：
Original array :
[0 1 2 3 4 5 6 7]
array reshaped with 2 rows and 4 columns :
[[0 1 2 3]
[4 5 6 7]]
array reshaped with 2 rows and 4 columns :
[[0 1]
[2 3]
[4 5]
[6 7]]
Original array reshaped to 3D :
[[[0 1]
[2 3]]
[[4 5]
[6 7]]]
为了创建数字序列，NumPy 提供了一个类似于 range 的函数，它返回数组而不是列表。
arange返回给定间隔内均匀分布的值。步长是指定的。
linspace返回给定间隔内均匀分布的值。编号_ 的元素被返回。
arange([start,] stop[, step,][, dtype])：根据间隔返回一个具有均匀间隔元素的数组。提到的间隔是半开的，即[开始，停止）
# 说明 numpy.arange 方法的 Python 编程
import numpy as geek
print("A\n", geek.arange(4).reshape(2, 2), "\n")
print("A\n", geek.arange(4, 10), "\n")
print("A\n", geek.arange(4, 20, 3), "\n")输出 ：
A
[[0 1]
[2 3]]
A
[4 5 6 7 8 9]
A
[ 4 7 10 13 16 19]
numpy.linspace(start, stop, num = 50, endpoint = True, retstep = False, dtype = None)：在间隔中均匀返回数字空间。类似于 arange 但不是 step 它使用样本编号。
# 说明 numpy.linspace 方法的 Python 编程
import numpy as geek
# 重新设置为 True
print("B\n", geek.linspace(2.0, 3.0, num=5, retstep=True), "\n")
# 长期评估 sin()
x = geek.linspace(0, 2, 10)
print("A\n", geek.sin(x))输出 ：
B
(array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)
A
[ 0. 0.22039774 0.42995636 0.6183698 0.77637192 0.8961922
0.9719379 0.99988386 0.9786557 0.90929743]
我们可以使用展平方法将数组的副本折叠成一维。它接受 order 参数。默认值为“C”（用于行优先顺序）。使用“F”表示列主要顺序。
numpy.ndarray.flatten(order = 'C')：返回折叠成一维的数组的副本。
# 说明 numpy.flatten() 方法的 Python 程序
import numpy as geek
array = geek.array([[1, 2], [3, 4]])
# 使用扁平化方法
array.flatten()
print(array)
#使用扁平化方法
array.flatten('F')
print(array)输出 ：
[1, 2, 3, 4]
[1, 3, 2, 4]
| 功能 | 描述 |
|---|---|
| empty() | 返回给定形状和类型的新数组，而不初始化条目 |
| empty_like() | 返回与给定数组具有相同形状和类型的新数组 |
| eye() | 返回一个二维数组，其中对角线为 1，其他位置为 0。 |
| identity() | 返回标识数组 |
| ones() | 返回一个给定形状和类型的新数组，用一个填充 |
| one_like() | 返回与给定数组具有相同形状和类型的数组 |
| zeros() | 返回给定形状和类型的新数组，用零填充 |
| zeros_like() | 返回与给定数组具有相同形状和类型的零数组 |
| full_like() | 返回与给定数组具有相同形状和类型的完整数组。 |
| array() | 创建一个数组 |
| asarray() | 将输入转换为数组 |
| asanyarray() | 将输入转换为 ndarray，但通过 ndarray 子类 |
| ascontiguousarray() | 返回内存中的连续数组（C 顺序） |
| asmatrix() | 将输入解释为矩阵 |
| copy() | 返回给定对象的数组副本 |
| frombuffer() | 将缓冲区解释为一维数组 |
| fromfile() | 从文本或二进制文件中的数据构造数组 |
| fromfunction() | 通过在每个坐标上执行函数来构造数组 |
| fromiter() | 从可迭代对象创建一个新的一维数组 |
| fromstring() | 从字符串中的文本数据初始化的新一维数组 |
| loadtxt() | 从文本文件加载数据 |
| arange() | 在给定间隔内返回均匀间隔的值 |
| linspace() | 在指定的时间间隔内返回均匀分布的数字 |
| logspace() | 返回在对数刻度上均匀分布的数字 |
| geomspace() | 返回在对数尺度上均匀分布的数字（几何级数） |
| meshgrid() | 从坐标向量返回坐标矩阵 |
| mgrid() | nd_grid 实例，它返回一个密集的多维“网格” |
| ogrid() | nd_grid 实例，它返回一个开放的多维“meshgrid” |
| diag() | 提取对角线或构造对角线数组 |
| diagflat() | 创建一个二维数组，将扁平化输入作为对角线 |
| tri() | 一个数组，在给定的对角线处和下方都有一个，在其他地方有零 |
| tril() | 数组的下三角形 |
| triu() | 数组的上三角形 |
| vander() | 生成范德蒙德矩阵 |
| mat() | 将输入解释为矩阵 |
| bmat() | 从字符串、嵌套序列或数组构建矩阵对象 |
“Python NumPy教程之数组如何创建”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
