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：

1 In [2]: import numpy as np
2
3 In [3]: simple = [1,2.3,4,5]
4
5 In [4]: arr = np.array(simple)
6
7 In [5]: arr
8 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：

 1 In [6]: simple1 = [[1,2,3,4],[5,6,7,8]]
 2
 3 In [7]: arr1 = np.array(simple1)
 4
 5 In [8]: arr1
 6 Out[8]:
 7 array([[1, 2, 3, 4],
 8        [5, 6, 7, 8]])
 9
10 In [9]: arr1.ndim  获得数组的维数
11 Out[9]: 2
12
13 In [10]: arr1.shape
14 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。

1 In [12]: arr.dtype
2 Out[12]: dtype(‘float64‘)
3
4 In [13]: arr1.dtype
5 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。

 1 In [14]: np.zeros(10)
 2 Out[14]: array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])
 3
 4 In [15]: np.ones(10)
 5 Out[15]: array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
 6
 7 In [16]: np.empty((2,3))
 8 Out[16]:
 9 array([[  0.00000000e+000,   8.20622089e-317,   4.65914971e-317],
10        [  6.90846568e-310,   6.90847131e-310,   1.25836781e-316]])

arange是Python内置函数range的数组版

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

数组创建函数