使用 List 创建数组： 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
使用数组函数创建数组：
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
使用 numpy 方法创建数组：
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)
Matrix b : [0 0] Matrix a : [[0 0] [0 0]] Matrix c : [[ 0. 0. 0.] [ 0. 0. 0.] [ 0. 0. 0.]]
重塑数组： 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]
展平数组： 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]
在 Numpy 中创建数组的方法
感谢大家的阅读，有什么问题的话可以在评论中告诉我。希望大家能够给我来个点赞+收藏+评论 ，你的支持是海海更新的动力！后面我会持续分享前端 & 后端相关的专业知识。
