Numpy学习笔记——创建ndarray数组的方法总结
前言：初学者一只，内容仅为学习的总结，可能存在不全面、有错误等情况，望海涵并加以斧正。对于笔记中的一些内容，作者也是不知所以然，也望各路大佬解惑。
目录
一、一般创建（array）：
二、空数组（empty）：
三、零数组（zeros）：
四、一数组（ones）：
五、通过已知数组生成（asarray）：
六、范围数组（arange）：
七、等差数组（linspace）：
八、等比数组（logspace）：
九、其他数组（frombuffer、fromiter）：
一、一般创建（array）：
x = np.array(object, detype = None, copy = True, order = None, subok = False, ndmin = 1)
| 名称 | 描述 | 可选性 |
|---|---|---|
| object | 数组或嵌套的数列 | 必填 |
| dtype | 数据类型 | 可选 |
| copy |
对象是否需要复制 | 可选 |
| order | 创建数组的样式，C_行、F_列、A_任意（默认） | 可选 |
| subok | 默认返回一个与基类类型一致的数组 | 可选 |
| ndmin | 指定生成数组的最小维度 | 可选 |
object 和 dtype 自然不需要过多的解释，至于 copy 、 order 和 subok 的作用，作者也没有搞清楚（至少现阶段没用到），这里解释一下 ndim：
x=np.array([1,2,3])
x=np.array([1,2,3],ndmin=1)
x=np.array([1,2,3],ndmin=0)
x=np.array([1,2,3],ndmin=-1)
# 以上结果均为 array([1,2,3])
# 可知：ndmin默认为1，当ndmin为0或负值时，结果也为1
x=np.array([1,2,3],ndmin=2)
# 以上结果为 array([[1,2,3]]) 即ndmin变为了2二、空数组（empty）：
x = np.empty(shape, detype = np.float64, order = 'C')
| 名称 | 描述 | 可选性 |
|---|---|---|
| shape | 数组的形状 | 必填 |
其他参数上文有表，此处不多赘述。
注1：若是一维数组，shape单填一个数字即可；若是多维数组，则需以[m,n,...]的形式来表示 shape。
注2：生成空数组时，其内容可能是一串奇怪的数字，但若对其进行一次加减运算，其性质又类似于零数组。但是其生成好像有点玄学，有时候又会生成规律的数组，暂时没太弄懂。
三、零数组（zeros）：
x = np.zeros(shape, detype = np.float64, order = 'C')
生成全为 0 的数组
四、一数组（ones）：
x = np.ones(shape, detype = np.float64, order = 'C')
生成全为 1 的数组
五、通过已知数组生成（asarray）：
x = np.asarray(a, dtype = None, order = None)
| 名称 | 描述 | 可选性 |
|---|---|---|
| a | 已知数组 | 必填 |
六、范围数组（arange）：
x = np.arange(start = 0, stop, step = 1, dtype = None)
| 名称 | 描述 | 可选性 |
|---|---|---|
| start | 起始值 | 可选 |
| stop | 终止值（不包含） | 必填 |
| step | 步长 | 可选 |
七、等差数组（linspace）：
x = np.linspace(start, stop, num = 50, endpoint = True, restep = False, dtype = None)
| 名称 | 描述 | 可选性 |
|---|---|---|
| num | 生成的样本数量 | 可选 |
| endpoint | 是否包含终止值 | 可选 |
| restep | 是否展示公差 | 可选 |
八、等比数组（logspace）：
x = np.logspace(start, stop, num = 50, endpoint = True, base = 10.0, dtype = None)
| 名称 | 描述 | 可选性 |
|---|---|---|
| base | 底数 | 可选 |
注：起始值 = base**start；终止值 = base**stop
九、其他数组（frombuffer、fromiter）：
x = np.frombuffer(buffer, dtype = np.float64, count = -1, offest = 0)
x = np.fromiter(iterable, dtype, count = -1)
是的，我之所以把这两种方法归在“其他”一类当中，就是因为我不懂，我甚至不知道 buffer 和 iterable 是什么。
欢迎大家 参考、补充、答疑、斧正。
六月渔烬 文