简介
一般有5个机制创建数组：
1. 从其他Python结构（例如，列表，元组）转换
2. numpy原生数组的创建（例如，arange、ones、zeros等）
3. 从磁盘读取数组，无论是标准格式还是自定义格式
4. 通过使用字符串或缓冲区从原始字节创建数组
5. 使用特殊库函数（例如，random）
本节不包括复制、join或以其他方式扩展或改变现有数组的方法。也不会涵盖创建对象数组或结构化数组。这两个都在它们自己的部分讲述。
将Python array_like对象转换为Numpy数组
通常，在Python中排列成array-like结构的数值数据可以通过使用array()函数转换为数组。最明显的例子是列表和元组。有关其使用的详细信息，请参阅array()的文档。一些对象可能支持数组协议，并允许以这种方式转换到数组。找出对象是否可以使用array()转换为一个数组numpy 数组的简单方法很简单，只要交互式试一下，看看它是否工作！（Python方式）。
注意每个元素的长度
>>> x = np.array([2,3,1,0])
>>> x = np.array([2, 3, 1, 0])
>>> x = np.array([[1,2.0],[0,0],(1+1j,3.)]) # note mix of tuple and lists,and types
>>> x = np.array([[ 1.+0.j, 2.+0.j], [ 0.+0.j, 0.+0.j], [ 1.+1.j, 3.+0.j]])
Numpy原生数组的创建
Numpy具有从头开始创建数组的内置函数：
zeros(shape)将创建一个用指定形状用0填充的数组。默认dtype为float64。
>>> np.zeros((2, 3)) array([[ 0., 0., 0.], [ 0., 0., 0.]])
ones(shape)将创建一个用1个值填充的数组。它在所有其他方面与zeros相同。
arange()将创建具有定期递增值的数组。检查docstring有关可以使用的各种方法的完整信息。这里将给出几个例子：
>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.arange(2, 10, dtype=np.float)
array([ 2., 3., 4., 5., 6., 7., 8., 9.])
>>> np.arange(2, 3, 0.1)
array([ 2. , 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9])
注意，关于用户应该知道的最后使用的一些细微之处，在arange docstring中描述。
linspace()将创建具有指定数量的元素的数组，并在指定的开始值和结束值之间等间隔。例如：
>>> np.linspace(1., 4., 6)
array([ 1. , 1.6, 2.2, 2.8, 3.4, 4. ])
这个创建函数的优点是，可以保证元素的数量和起始点和结束点，arange()通常不会对任意的开始，停止和步长值做任何操作。
indices()将创建一组数组（堆叠为一个更高维度的数组），每个维度一个，每个维表示该维度的变化。一个例子说明比口头描述好得多：
>>> np.indices((3,3))
array([[[0, 0, 0],
[1, 1, 1],
[2, 2, 2]],
[[0, 1, 2],
[0, 1, 2],
[0, 1, 2]]])
>>>np.indices((3,3)).shape
(2, 3, 3)
这对于在规则网格上评估多个维度的函数特别有用。
从磁盘读取数组
这可能是大数字组创建的最常见的情况。细节，当然，很大程度上取决于磁盘上的数据格式，因此本节只能给出如何处理各种格式的一般指针。
标准二进制格式
各种字段具有用于数组数据的标准格式。下面列出了已知的python库读取它们和返回numpy数组（可能有其他可以读取和转换为numpy数组，所以检查最后一节）
HDF5: PyTables
FITS: PyFITS
不能直接读取但不难转换的格式的示例是像PIL（能够读取和写入许多图像格式，例如jpg，png等）的库支持的那些格式。
常见ASCII格式
逗号分隔值文件（CSV）被广泛使用（以及Excel等程序的导出和导入选项）。在Python中有许多方法可以读取这些文件。Python中有CSV函数，pylab中有函数（matplotlib的一部分）。
更多的通用ascii文件可以使用io包在scipy中读取。
自定义二进制格式
有多种方法可以使用。如果文件具有相对简单的格式，那么可以编写一个简单的I / O库，并使用numpy fromfile()函数和.tofile()方法直接读取和写入numpy数组（注意你的字节序！如果存在读取数据的良好C或C ++库，那么可以使用各种技术打包该库，尽管这当然是更多的工作，需要显着更高级的知识来与C或C ++交互。
使用特殊库
有一些库可以用于为特殊目的生成数组，并且不可能枚举它们。最常见的用途是随机使用许多数组生成函数，其可以生成随机值的阵列，以及一些用于生成特殊矩阵（例如对角线）的效用函数。
不能直接读取但不难转换的格式的示例是像PIL（能够读取和写入许多图像格式，例如jpg，png等）的库支持的那些格式。
Ones and zeros
| 函数 | 描述 |
|---|---|
empty（shape [，dtype，order]）
|
返回给定形状和类型的新数组，而不初始化条目。 |
empty_like（a [，dtype，order，subok]）
|
返回具有与给定数组相同的形状和类型的新数组。 |
eye（N [，M，k，dtype]）
|
返回一个2-D数组，其中一个在对角线上，零在其他地方。 |
identity（n [，dtype]）
|
返回身份数组。 |
ones（shape [，dtype，order]）
|
返回给定形状和类型的新数组，用数字填充。 |
ones_like（a [，dtype，order，subok]）
|
返回与给定数组具有相同形状和类型的数组。 |
zeros（shape [，dtype，order]）
|
返回给定形状和类型的新数组，用零填充。 |
zeros_like（a [，dtype，order，subok]）
|
返回具有与给定数组相同的形状和类型的零数组。 |
full（shape，fill_value [，dtype，order]）
|
返回给定形状和类型的新数组，用fill_value填充。 |
full_like（a，fill_value [，dtype，order，subok]）
|
返回与给定数组相同形状和类型的完整数组。 |
From existing data 从现有数据
| 函数 | 描述 |
|---|---|
array(object[, dtype, copy, order, subok, ndmin])
|
创建数组。 |
asarray(a[, dtype, order])
|
将输入转换为数组。 |
asanyarray(a[, dtype, order])
|
将输入转换为ndarray，但传递ndarray子类。 |
ascontiguousarray（a [，dtype]）
|
返回内存中的连续数组（C order）。 |
asmatrix（data [，dtype]）
|
将输入解释为矩阵。 |
copy（a [，order]）
|
返回给定对象的数组副本。 |
frombuffer（buffer [，dtype，count，offset]）
|
将缓冲区解释为1维数组。 |
fromfile（file [，dtype，count，sep]）
|
从文本或二进制文件中的数据构造数组。 |
fromfunction（function，shape，\ * \ * kwargs）
|
通过在每个坐标上执行函数来构造数组。 |
fromiter（iterable，dtype [，count]）
|
从可迭代对象创建新的1维数组。 |
fromstring（string [，dtype，count，sep]）
|
根据字符串中的原始二进制或文本数据初始化的新1-D数组。 |
loadtxt（fname [，dtype，comments，delimiter，...]）
|
从文本文件加载数据。 |
Creating record arrays (numpy.rec) 创建记录数组
注意
numpy.rec是numpy.core.records的首选别名。
| 函数 | 描述 |
|---|---|
core.records.array（obj [，dtype，shape，...]） |
从各种各样的对象构造一个记录数组。 |
core.records.fromarrays（arrayList [，dtype，...]） |
从数组的（平面）列表创建一个记录数组 |
core.records.fromrecords（recList [，dtype，...]） |
从文本形式的记录列表创建一个recarray |
core.records.fromstring（datastring [，dtype，...]） |
从包含在中的二进制数据创建（只读）记录数组 |
core.records.fromfile（fd [，dtype，shape，...]） |
从二进制文件数据创建数组 |
Creating character arrays (numpy.char) 创建字符数组
注意
numpy.char是numpy.core.defchararray的首选别名。
| 函数 | 描述 |
|---|---|
core.defchararray.array（obj [，itemsize，...]） |
创建chararray。 |
core.defchararray.asarray（obj [，itemsize，...]） |
将输入转换为chararray，只有在必要时才复制数据。 |
Numerical ranges 数值范围
| 函数 | 描述 |
|---|---|
arange（[start，] stop [，step，] [，dtype]） |
在给定间隔内返回均匀间隔的值。 |
linspace（start，stop [，num，endpoint，...]） |
在指定的间隔内返回均匀间隔的数字。 |
logspace（start，stop [，num，endpoint，base，...]） |
返回以对数刻度均匀分布的数字。 |
geomspace |
|
meshgrid（\ * xi，\ * \ * kwargs） |
从坐标向量返回坐标矩阵。 |
mgrid |
nd_grid实例，返回密集的多维“网格网格”。 |
ogrid |
nd_grid实例，返回一个打开的多维“meshgrid”。 |
Building matrices 建立矩阵
| 函数 | 描述 |
|---|---|
diag（v [，k]） |
提取对角线或构造对角数组。 |
diagflat（v [，k]） |
创建一个二维数组，将扁平输入作为对角线。 |
tri（N [，M，k，dtype]） |
数组，其中一个在给定的对角线和在其他地方零。 |
tril（m [，k]） |
数组的下三角形。 |
triu（m [，k]） |
数组的上三角形。 |
vander（x [，N，increasing]） |
生成Vandermonde矩阵。 |
The Matrix class
| 函数 | 描述 |
|---|---|
mat（data [，dtype]） |
将输入解释为矩阵。 |
bmat（obj [，ldict，gdict]） |
从字符串，嵌套序列或数组构建一个矩阵对象。 |
网友评论