numpy.empty(shape, dtype = float, order = 'C')
用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组
shape 数组形状
dtype 数据类型，可选
order 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序
import numpy as np
x = np.empty([3,2], dtype = int)
print (x)
#输出
[[ 6917529027641081856 5764616291768666155]
[ 6917529027641081859 -5764598754299804209]
[ 4497473538 844429428932120]]
注意：数组元素为随机值，因为它们未初始化
numpy.zeros(shape, dtype = float, order = 'C')
创建指定大小的数组，数组元素以 0 来填充
import numpy as np
x = np.zeros(5) # 默认为浮点数
print(x)
#输出
[0. 0. 0. 0. 0.]
y = np.zeros((5,), dtype = np.int) # 设置类型为整数
print(y)
#输出
[0 0 0 0 0]
z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')]) # 自定义类型
print(z)
#输出
[[(0, 0) (0, 0)]
[(0, 0) (0, 0)]]
numpy.ones(shape, dtype = None, order = 'C')
创建指定形状的数组，数组元素以 1 来填充
import numpy as np
x = np.ones(5) # 默认为浮点数
print(x)
#输出
[1. 1. 1. 1. 1.]
x = np.ones([2,2], dtype = int) # 自定义类型
print(x)
#输出
[[1 1]
[1 1]]
numpy.asarray(a, dtype = None, order = None)
从已有的数组创建数组
a 任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
dtype 数据类型，可选
order 可选，有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序
#将列表转换为 ndarray:
import numpy as np
x = [1,2,3]
a = np.asarray(x)
print (a)
#输出
[1 2 3]
#将元组转换为 ndarray:
import numpy as np
x = (1,2,3)
a = np.asarray(x)
print (a)
#输出
[1 2 3]
#将元组列表转换为 ndarray:
import numpy as np
x = [(1,2,3),(4,5)]
a = np.asarray(x)
print (a)
#输出
[(1, 2, 3) (4, 5)]
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
用于实现动态数组，接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象
buffer 可以是任意对象，会以流的形式读入。
dtype 返回数组的数据类型，可选
count 读取的数据数量，默认为-1，读取所有数据。
offset 读取的起始位置，默认为0
注意：buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b
import numpy as np
s = b'Hello World'
a = np.frombuffer(s, dtype = 'S1')
print (a)
#输出
[b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
numpy.fromiter(iterable, dtype, count=-1)
从可迭代对象中建立 ndarray 对象，返回一维数组
iterable 可迭代对象
dtype 返回数组的数据类型
count 读取的数据数量，默认为-1，读取所有数据
import numpy as np
list=range(5) # 使用 range 函数创建列表对象
it=iter(list)
x=np.fromiter(it, dtype=float) # 使用迭代器创建 ndarray
print(x)
#输出
[0. 1. 2. 3. 4.]
numpy.arange(start, stop, step, dtype)
根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray
start 起始值，默认为0
stop 终止值（不包含）
step 步长，默认为1
dtype 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型
import numpy as np
x = np.arange(10,20,2)
print (x)
#输出
[10 12 14 16 18]
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
用于创建一个一维数组，数组是一个等差数列构成的
start 序列的起始值
stop 序列的终止值，如果endpoint为true，该值包含于数列中
num 要生成的等步长的样本数量，默认为50
endpoint 该值为 ture 时，数列中中包含stop值，反之不包含，默认是True。
retstep 如果为 True 时，生成的数组中会显示间距，反之不显示。
dtype ndarray 的数据类型
import numpy as np
a = np.linspace(10, 20, 5, endpoint = False)
print(a)
#输出
[10. 12. 14. 16. 18.]
import numpy as np
a =np.linspace(1,10,10,retstep= True)
print(a)
#输出
(array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)
b =np.linspace(1,10,10).reshape([10,1]) # 拓展例子
print(b)
#输出
[[ 1.]
[ 2.]
[ 3.]
[ 4.]
[ 5.]
[ 6.]
[ 7.]
[ 8.]
[ 9.]
[10.]]
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
用于创建一个于等比数列
start 序列的起始值为：base ** start
stop 序列的终止值为：base ** stop。如果endpoint为true，该值包含于数列中
num 要生成的等步长的样本数量，默认为50
endpoint 该值为 ture 时，数列中中包含stop值，反之不包含，默认是True。
base 对数 log 的底数。
dtype ndarray 的数据类型
import numpy as np
a = a = np.logspace(0,9,10,base=2)
print (a)
#输出
[ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]
