Numpy是Python中科学计算的基础包，其核心对象就是ndarray（n维数组）。利用数组可以快速执行逻辑，形状操作，统计和傅里叶变换等运算，其效率比Python原生的数组效率更高。因此使用Numpy的第一件事就是创建Numpy数组，本文总结了5种常用的创建NumPy数组方法。

一、使用NumPy内部功能函数

1.1 使用arange函数

Numpy的arange函数可以快速创建一个一维数组，功能和python的range函数很像，但它返回的是NumPy数组而不是列表。数组中元素的下标从0开始（和Python的列表相同）：

import numpy as np
a = np.arrange(10)

通过数组的shape属性可以查看数组的维度，返回的元组中只有1个数字，说明a是一个一维数组：

a.shape

1.2 创建多维数组

在使用arange创建一维数组时，通过reshape函数可以将其转化为指定的维度，下面创建一个3行3列二维数组：

a1 = np.arange(9).reshape(3,3)

通过a1的shape属性可以看到返回了2个数字，说明这是二维数组（这个就是reshape的参数）：

a1.shape

访问二维数组中的元素，需要2个索引值：

a1[1][2]    # 访问第2行，第3列元素（索引从0开始）

同理，三维数组就需要给reshape函数提供3个参数（访问元素也需要3个索引值），N维数组依次类推：

a2 = np.arange(27).reshape(3,3,3)

注意：arange函数返回的元素个数需要和reshape参数的乘积相同，示例中是27=3 X 3 X 3，否则无法生成N维数组。

1.3 使用zeros/zeros_like和ones/ones_like函数

通常数组中的元素最初值可能是未知的，但形状通常是已知的。NumPy提供了一系列函数来创建指定形状的数组，并用初始值填充，这样可以避免后期数组增长（NumPy数组变更形状代价很大，需要删除重建，这点和Python不同）。

zeros和ones函数可以创建数组并分别用0和1预填充。zeros和ones传入的参数为数组的各个维度值组成的元组。下面示例使用zeros和ones分别创建一个3行3列的二维数组，注意各维度值是以元组的形式传入的，因此是双层括号：

a3 = np.zeros((3,3))    # 以元组的形式传入
a4 = np.ones((3,3))

zeros_like和ones_like函数会复制指定数组对象的形状，同时采用0和1填充，下面示例复制a4的形状，但是填充从1变成了0：

a4_like = np.zeros_like(a4)

1.4 使用full/full_like函数

full函数的效果和zeros和ones类似，但可以自己指定填充元素的值（zeros和ones只会使用0和1填充），下面创建一个3*3的二维数组，并使用9填充，第一个参数是元组(3,4)，代表3行4列，第二个参数9代表填充值：

a5 = np.full((3,4), 9)

同样full_like函数可以复制指定数组的形状，并指定用7填充：

a5_like = np.full_like(a5, 7)    # 复制a5的形状，并用7填充

1.5 使用empty/empty_like函数

empty函数效果和zeros和ones的也类似，但它不会初始化元素的值（值是随机的，取决于内存状态），下面创建一个2行2列的二维数组：

a6 = np.empty((2,2))

和zeros_like函数一样，empty_like函数也会复制的数组的形状，但填充值是随机的：

a6_like = np.empty_like(a6)

1.6 使用eye函数

eye函数会创建一个的二维数组，其对角线元素值为1，其余元素值为0。

仅传入1个参数N时，默认返回数组就是N行N列，对角线上的值全部为1：

a7 = np.eye(3)

你也可以传入第二个参数，显式指定数组的列数，例如3行4列：

a8 = np.eye(3,4)

1.7 使用linspace函数

linspace函数会在两个数字之间，选择指定个数的数字，数字间的间隔相同（通过个数计算），并最终返回一个数组对象。

在从0到10之间选择6个数字，相邻的元素间隔相同：

a9 = np.linspace(0, 10, 6)    # 0, 10, 6 分别对应开始，结束，元素个数  

1.8 使用copy函数

对于任何数组对象，你都可以使用copy函数来返回一个相同的数组对象：

a10 = np.copy(a9)

二、从python序列对象转换

array函数可以将序列类型的python对象转换成NumPy数组。

例如，将列表对象转换为numpy数组：

a11 = np.array([1,2,3,4])

你也可以通过变量名来完成转换，示例将一个元组转换为数组：

tuple = (5,6,7,8)
a12 = np.array(tuple)

对于多维数组，你需要自己完成嵌套的编写，示例将生成一个二维数组：

list1 = [(1,2,3), (4,5,6), (7,8,9)]    # 元组组成的列表
a13 = np.array(list1)

三、使用库函数

有一些库经常被用来初始化生成函数，例如random库，下面为random库几个常用的函数。

np.random.randint可以在指定区间生成随机整数，下面示例会在半开区间[0,10)随机选择整数，配合size参数可以生成指定形状的数组，size=5表示挑选5个整数，生成一维数组：

ar1 = np.random.randint(10, size=5)    # 在区间[0,10) 即0-9，随机挑选整数，生成的一维数组

使用两个整数参数可以指定整数区间的上下限（上限不包含），这里并使用size指定生成一个3*3的数组：

ar2 = np.random.randint(90, 100, size=(3,3))  # 在90-99(不含上限100)挑选整数，生成3*3的数组

np.random.rand() 产生[0,1)的随机数，参数为数组的形状，例如，生成2行3列的数组：

ar3 = np.random.rand(2,3)

np.random.randn() 产生[0,1)的随机数，但是数值符合正态分布：

ar4 = np.random.randn(3,4)

四、从文件读取数据

NumPy提供的fromfile函数可以直接从文件中读取数据，并转换为数组对象，文件可以是二进制或者文本格式，fromfile还有一个对应的函数tofile，可以将数组对象写入文件。

我们先用tofile将一个数组写入文件array.bin，写入过程中你可以使用sep参数来指定分隔符:

a = np.arange(9)
a.tofile('array.bin')

再使用fromfile函数，将这个数组从文件读回来，注意读取时默认的数据类型是float，会导致错误，必须显式使用dtype=int来指定以整型的方式读取：

b = np.fromfile('array.bin', dtype=int)

五、从字符串或缓冲区创建

使用fromstring函数可以将python字符串直接转换为numpy数组，下面示例将2个字符串转换为数组，参数sep指定了元素的分隔符：

a_str1 = np.fromstring('1 2 3', sep=' ')    # 元素以空格分隔    
a_str2 = np.fromstring('1,2,3', sep=',')    # 元素以逗号分隔 

使用frombuffer函数可以将缓冲区的内容转换为numpy数组，先创建一个字符串缓冲区，然后转换为数组。dtype='S1’表示缓冲区每个字符都转换为1个字节的字符串：

buf_str = b'Hello, world!'
a_buf = np.frombuffer(buf_str, dtype='S1')

以上即是NumPy中常用的数组创建方法总结，熟悉各类创建方法是使用NumPy的基础。