2.1.1 Ndarray的创建
在NumPy中，最核心的数据结构是多维数组，即Ndarray。Ndarray是一个快速、灵活的数据容器，该容器与Python内置的列表（List）和元组（Tuple）有显著不同：列表和元组中存储的数据可以为不同类型，但在Ndarray中，所有元素的数据类型必须相同。
创建Ndarray常用的函数有array()、arange()、linspace()、zeros()、ones()、zeros_like()、Ones_like()，以及各种随机生成函数。
1.array()函数
使用NumPy自带的array()函数，可以将Python的列表、元组或者其他序列类型数据转化为Ndarray。代码2-1中展示了将一个有5个整数元素的Python列表转化为Ndarray的过程。
代码2-1 使用array()函数生成Ndarray
import numpy as np a = np.array([1,2,3,4,5], dtype = np.int64) print(a)
上述代码的输出结果为
[1 2 3 4 5]
代码2-1中，array()函数在创建数组时，其参数有：①Python列表[1,2,3,4,5]；②数组的dtype属性。第一个参数用于设置所生成数组的具体数值，而参数dtype=np.int64是设置所生成数组的数据类型为int64（有符号64位整型数据）。
2.arange()函数
在NumPy中，arange()函数用于创建一个等差数组，arange()方法的完整函数形式：
arange([start,] stop [,step], dtype=None)
arange()函数可以在区间[start, stop)上以start为起点，以step为步长构建一个等差数组。其中，start是可选参数，代表数组的起始值，默认值为0。stop是截止值，所生成的数组中并不包含该值。step是可选参数，设置的是步长，默认值为1。代码2-2展示了使用arange()函数生成数组的过程。
代码2-2 使用arange()函数生成Ndarray
import numpy as np
a = np.arange(5) #只给定stop参数值
print("数组对象a：\n", a)
b = np.arange(2, 5.0) #给定start和stop参数值，生成一个浮点型数组
print("数组对象b：\n", b)
c = np.arange(2, 6, 2, dtype = np.int32) #给定start、stop、step和dtype参数值
print("数组对象c：\n", c)
上述代码的输出结果为
数组对象a： [0 1 2 3 4] 数组对象b： [2. 3. 4.] 数组对象c： [2 4]
代码2-2中，对象b的stop参数设置为浮点型的5.0，NumPy推断所生成的数组为浮点型。对象c设置起始值、截止值和步长分别为2、6和2，获得了一个在区间[2,6)中以2为步长的等差数组，即[2 4]。
3.linspace()函数
linspace()函数也用于创建一个等差数组，其完整函数形式为
linspace(start, stop, num=50, endpoint=True, dtype=None)
该函数可以将区间[start, stop]等分为具有num个元素的等差数组。其中，endpoint参数用于控制所生成的数组是否包含stop。代码2-3展示了使用linspace()函数创建Ndarray的方法。
代码2-3 使用linspace()函数创建Ndarray
a = np.linspace(0, 3, 4, endpoint = True) #数组包含截止值3
print("数组对象a：\n", a)
上述代码的输出结果为
数组对象a： [0. 1. 2. 3.]
代码2-3中，使用linspace()方法在区间[0,3]上生成了一个具有4个元素的等差浮点型数组。由于endpoint参数设置为True，所生成的数组包含截止值3.0。
4.zeros()、ones()、zeros_like()、ones_like()函数
这些函数可以用于生成一个指定形状，且初始值全为0或者1的数组。不同的是，在指定形状时，zeros()和ones()函数接收一个元组作为所生成数组的形状，而zeros_like()和ones_like()函数接收一个现有Ndarray为参数，生成与给定数组的形状相同的全0或者全1数组。
•zeros()：生成全0数组，参数为一个指示数组形状的元组。
•ones()：生成全1数组，参数为一个指示数组形状的元组。
•zeros_like()：生成全0数组，参数为一个现有数组。
•ones_like()：生成全1数组，参数为一个现有数组。
代码2-4中展示了使用zeros()和zeros_likes()函数生成全0数组的典型方式。
代码2-4 使用zeros()和zeros_like()函数生成全0数组
a = np.zeros((2, 3), dtype = np.int32) #生成2×3形状的全0数组
print("数组对象a：\n", a)
a = np.array([1,2,3,4])
b = np.zeros_like(b) #生成与数组a形状相同、数据类型也相同的全0数组
print("数组对象b：\n", b)
上述代码的输出结果为
数组对象a： [[0 0 0] [0 0 0]] 数组对象b： [0 0 0 0]
代码2-4中，数组对象a是一个2×3形状的全0数组，数据类型为浮点型，其形状由元组(2,3)给定。数组对象b则是一个与现有数组a形状、数据类型相同的全0数组。另外，ones()函数和ones_like()函数的使用方法与它们类似，此处不再赘述。
5.随机生成函数
NumPy的random模块提供了多种随机生成函数，用于生成指定形状且符合特定分布的随机Ndarray，常用的随机生成函数如下。
• NumPy.random.rand(d0,d1,…)：生成一个值在区间[0,1)上均匀分布的随机数组。数组的形状由d0、d1等参数给定。
• NumPy.random.randn(d0,d1,…)：生成一个符合标准正态分布的随机数组，数组的形状由d0、d1等参数给定。
•NumPy.random.randint(low, high=None, size=None)：生成一个在区间[low,high)上均匀分布，形状为size的整数数组（注意，生成的数组中不包含high）。如果参数high=None，则在区间[0,low)上生成随机整数数组。
代码2-5中展示了使用随机生成函数获得Ndarray的过程。
代码2-5 使用随机生成函数获得指定形状的Ndarray
import numpy as np
a = np.random.rand(4) #生成有4个元素的一维随机数组
print("数组对象a：\n", a)
b = np.random.randn(2, 3) #生成形状为2×3，符合正态分布的随机数组
print("数组对象b：\n", b)
c = np.random.randint(1, 3, size = (2, 3))
#生成形状为2×3，符合均匀分布的随机整数数组，取值区间为[1,3)
print("数组对象c：\n", c)
上述代码的输出结果为
数组对象a： [0.36745442 0.60517773 0.17980316 0.16890639] 数组对象b： [[ 0.68690373 -0.09365227 -1.16567108] [-1.14932686 -0.63358122 -1.24105667]] 数组对象c： [[2 1 1] [2 2 1]]