创建ndarray

Numpy最重要的一个特点就是其N维数组对象（即ndarray）,该对象是一个快速而灵活的大数据集容器，是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。

创建数组最简单的方法就是array函数，它接受一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的Numpy数组。

以一个列表为例：

In [2]: import numpy as np

In [3]: simple = [1,2.3,4,5]

In [4]: arr = np.array(simple)

In [5]: arr  
Out[5]: array([ 1. ,  2.3,  4. ,  5. ])

嵌套序列（比如由一组等长列表组成的列表）将会被转换为一个多维数组：

In [6]: simple1 = [[1,2,3,4],[5,6,7,8]]

In [7]: arr1 = np.array(simple1)

In [8]: arr1
Out[8]: 
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

In [9]: arr1.ndim  获得数组的维数
Out[9]: 2

In [10]: arr1.shape
Out[10]: (2, 4)

除非显示说明，np.array会尝试为新建的数组推断出一个较为合适的数据类型，数据类型保存在一个特殊的dtype对象中。

In [12]: arr.dtype
Out[12]: dtype('float64')

In [13]: arr1.dtype
Out[13]: dtype('int64')

除了np.array之外，还有一些函数也可以新建数组。比如zeros和ones分别可以创建指定长度或形状的全0或全1数组。empty可以创建一个没有任何具体值的数组。要用这些方法创建多维数组，只需传入一个表示形状的元祖即可。

In [14]: np.zeros(10)
Out[14]: array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

In [15]: np.ones(10)
Out[15]: array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])

In [16]: np.empty((2,3))
Out[16]: 
array([[  0.00000000e+000,   8.20622089e-317,   4.65914971e-317],
       [  6.90846568e-310,   6.90847131e-310,   1.25836781e-316]])

arange是Python内置函数range的数组版

In [17]: np.arange(10)
Out[17]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

数组创建函数

函数	说明
array	将输入数据（列表、元祖、数组或其他序列类型）转换为ndarray
asarray	将输入转换为ndarray,如果输入本身就是一个ndarray就不进行复制
arange	类似于内置的range,但返回的是一个ndarray而不是列表
ones、ones_like	根据指定的形状和dtype创建一个全1数组。ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1数组
zeros、zeros_like	类似于ones和ones_like,只不过产生的是全0数组而已
empty、empty_like	创建新数组，只分配内存空间但不填充任何值
eye、identity	创建一个正方的NxN单位矩阵（对角线为1，其余为0）