本文共 2016 字，大约阅读时间需要 6 分钟。
以下都用numpy的标准“import numpy as np”
1.numpy是同构数据多维容器，同构即数据类型相同 2.初始化：2.1 np.arange([start,] end [, step])#与list的range相似
>>> np.arange(10) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> np.arange(1, 10, 2) array([1, 3, 5, 7, 9])
2.2
np.zeros(tupleA)#产生一个tupleA维度大小的矩阵，且初始全为0>>> np.zeros((4)) array([ 0., 0., 0., 0.]) >>> np.zeros((4,2)) array([[ 0., 0.], [ 0., 0.], [ 0., 0.], [ 0., 0.]])
2.3
np.ones(tupleA)#与上面类似，只是初始化全为1>>> np.ones((4)) array([ 1., 1., 1., 1.]) >>> np.ones((4,2)) array([[ 1., 1.], [ 1., 1.], [ 1., 1.], [ 1., 1.]])
2.4
np.empty(tupleA)#与上面类似，只是初始化值是不确定的（并不是你以为的0！！！！）>>> np.empty((4)) array([ 1.73154357e-316, 4.71627160e-317, 0.00000000e+000, 4.94065646e-324]) >>> np.empty((3,2)) array([[ 0.00000000e+000, 0.00000000e+000], [ 6.94647584e-310, 6.94647586e-310], [ 6.94647586e-310, 6.94647586e-310],
2.5
np.array(listA)#把listA转成np，listA只是一个统称，只要是序列化的都可以，还可以是其他np>>> np.array([[1, 2, 3], [4, 3, 2]]) array([[1, 2, 3], [4, 3, 2]]) >>> npA = np.array([[1, 2, 3], [4, 3, 2]]) >>> npA array([[1, 2, 3], [4, 3, 2]]) >>> npB = np.array([[1, 2, 3], [4, 3, 2.0]]) >>> npB array([[ 1., 2., 3.], [ 4., 3., 2.]]) np.array会自动找到最适合listA数据类型转给np: >>> npA.dtype dtype('int64') >>> npB.dtype dtype('float64') 但其实，np初始化时没有特别说明都会被默认是float64，如前四种。
2.6
其他：ones_like(npA);zeros_like(npA);empty_like(npA)>>> npB = np.array([[1, 2, 3], [4, 3, 2.0]]) >>> np.ones_like(npB) array([[ 1., 1., 1.], [ 1., 1., 1.]]) >>> np.zeros_like(npB) array([[ 0., 0., 0.], [ 0., 0., 0.]]) >>> np.empty_like(npB) array([[ 0.00000000e+000, 0.00000000e+000, 1.56491143e-316], [ 6.94647850e-310, 6.94635322e-310, 1.72361006e-316]]) >>> np.identity(3) array([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]]) >>> np.eye(3, k = -1)#变化k的值试试看 array([[ 0., 0., 0.], [ 1., 0., 0.], [ 0., 1., 0.]])
转载自：