1. 创建数组的常见方式

1.1 从Python结构创建

>>> import numpy as np
>>> a = np.array([1, 2, 3, 4, 5])
>>> a
array([1, 2, 3, 4, 5])

numpy支持从Python数据结构中的列表或者元组直接创建数组，只需要调用np.array方法即可。

• 理解记忆
  （1）array：数组，将Python的内置数据结构转化为numpy的数组。

1.2 numpy内置的数组创建函数

>>> import numpy as np
>>> a = np.zeros((2, 3))
>>> a
array([[0., 0., 0.],
       [0., 0., 0.]])
>>> b = np.ones((2, 3))
>>> b
array([[1., 1., 1.],
       [1., 1., 1.]])
>>> c = np.arange(0, 5, 1)
>>> c
array([0, 1, 2, 3, 4])

• 理解记忆
  （1）zeros：零，可以理解为zero的复数形式，即zero(s)，在本例中，生成一个2行3列的数组元素全部为0的数组。
  （2）ones：一，可以理解为one的复数形式，即one(s)，在本例中，生成一个2行3列的数组元素全部为1的数组。
  （3）arange：原意为排列的意思，在numpy中表示为等差数列，可以理解为将数字排列好。常见参数[start, stop, step, dtype, ......],从start开始，以stop结束，但是却不含stop，step表示步长，dtype表示数据类型。在本例中，从0开始，到4就截止了，不含5，步长为1。

1.3 从特殊的库函数创建数组

>>> import numpy as np
>>> a = np.random.rand()
>>> a
0.9274448054545799
>>> b = np.random.randint(0, 10, 5)
>>> b
array([4, 5, 5, 2, 3])
>>> c = np.random.randn(2, 3)
>>> c
array([[ 1.05452144, -1.08264158,  1.6581018 ],
       [-0.2659769 , -0.50814985,  0.67044803]])

• 理解记忆
  (1)rand：随机数，random的简称，numpy里面表示0到1之间的均匀分布，在本例中，生成1个随机数，服从均匀分布；
  (2)randint：random-integer的简称，服从均匀分布的整数，但是可以指定开头、结尾和随机数的个数，在本例中，生成5个随机整数，这些随机整数位于0到10之间，服从均匀分布；
  (3)randn：random-normal,均值为0，方差为1的正态分布，在本例中，生成2行3列的随机数，服从均值为0，方差为1的正态分布；

1.4 其他方式

numpy中运用较多的创建数组的方式就是上述3种方式，除此之外，numpy官网还提供其他方式，但是一般情况下用得不多，也就不展开讲了。