參考
NumPy v1.11手冊
數組創建例程

簡介

一般有5個機制創建數組：
1. 從其他Python結構（例如，列表，元組）轉換
2. numpy原生數組的創建（例如，arange、ones、zeros等）
3. 從磁盤讀取數組，無論是標準格式還是自定義格式
4. 通過使用字符串或緩沖區從原始字節創建數組
5. 使用特殊庫函數（例如，random）

本節不包括復制、join或以其他方式擴展或改變現有數組的方法。也不會涵蓋創建對象數組或結構化數組。這兩個都在它們自己的部分講述。

將Python array_like對象轉換為Numpy數組

通常，在Python中排列成array-like結構的數值數據可以通過使用array()函數轉換為數組。最明顯的例子是列表和元組。有關其使用的詳細信息，請參閱array()的文檔。一些對象可能支持數組協議，并允許以這種方式轉換到數組。找出對象是否可以使用array()轉換為一個數組numpy 數組的簡單方法很簡單，只要交互式試一下，看看它是否工作！（Python方式）。

注意每個元素的長度
>>> x = np.array([2,3,1,0])
>>> x = np.array([2, 3, 1, 0])
>>> x = np.array([[1,2.0],[0,0],(1+1j,3.)]) # note mix of tuple and lists,and types
>>> x = np.array([[ 1.+0.j, 2.+0.j], [ 0.+0.j, 0.+0.j], [ 1.+1.j, 3.+0.j]])

Numpy原生數組的創建

Numpy具有從頭開始創建數組的內置函數：

zeros(shape)將創建一個用指定形狀用0填充的數組。默認dtype為float64。

>>> np.zeros((2, 3)) array([[ 0., 0., 0.], [ 0., 0., 0.]])

ones(shape)將創建一個用1個值填充的數組。它在所有其他方面與zeros相同。

arange()將創建具有定期遞增值的數組。檢查docstring有關可以使用的各種方法的完整信息。這里將給出幾個例子：

>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.arange(2, 10, dtype=np.float)
array([ 2., 3., 4., 5., 6., 7., 8., 9.])
>>> np.arange(2, 3, 0.1)
array([ 2. , 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9])

注意，關于用戶應該知道的最后使用的一些細微之處，在arange docstring中描述。

linspace()將創建具有指定數量的元素的數組，并在指定的開始值和結束值之間等間隔。例如：

>>> np.linspace(1., 4., 6)
array([ 1. ,  1.6,  2.2,  2.8,  3.4,  4. ])

這個創建函數的優點是，可以保證元素的數量和起始點和結束點，arange()通常不會對任意的開始，停止和步長值做任何操作。

indices()將創建一組數組（堆疊為一個更高維度的數組），每個維度一個，每個維表示該維度的變化。一個例子說明比口頭描述好得多：

>>> np.indices((3,3))
array([[[0, 0, 0],
        [1, 1, 1],
        [2, 2, 2]],

       [[0, 1, 2],
        [0, 1, 2],
        [0, 1, 2]]])
>>>np.indices((3,3)).shape
(2, 3, 3)

這對于在規則網格上評估多個維度的函數特別有用。

從磁盤讀取數組

這可能是大數字組創建的最常見的情況。細節，當然，很大程度上取決于磁盤上的數據格式，因此本節只能給出如何處理各種格式的一般指針。

標準二進制格式

各種字段具有用于數組數據的標準格式。下面列出了已知的python庫讀取它們和返回numpy數組（可能有其他可以讀取和轉換為numpy數組，所以檢查最后一節）

HDF5: PyTables
FITS: PyFITS

不能直接讀取但不難轉換的格式的示例是像PIL（能夠讀取和寫入許多圖像格式，例如jpg，png等）的庫支持的那些格式。

常見ASCII格式

逗號分隔值文件（CSV）被廣泛使用（以及Excel等程序的導出和導入選項）。在Python中有許多方法可以讀取這些文件。Python中有CSV函數，pylab中有函數（matplotlib的一部分）。

更多的通用ascii文件可以使用io包在scipy中讀取。

自定義二進制格式

有多種方法可以使用。如果文件具有相對簡單的格式，那么可以編寫一個簡單的I / O庫，并使用numpy fromfile()函數和.tofile()方法直接讀取和寫入numpy數組（注意你的字節序！如果存在讀取數據的良好C或C ++庫，那么可以使用各種技術打包該庫，盡管這當然是更多的工作，需要顯著更高級的知識來與C或C ++交互。

使用特殊庫

有一些庫可以用于為特殊目的生成數組，并且不可能枚舉它們。最常見的用途是隨機使用許多數組生成函數，其可以生成隨機值的陣列，以及一些用于生成特殊矩陣（例如對角線）的效用函數。

不能直接讀取但不難轉換的格式的示例是像PIL（能夠讀取和寫入許多圖像格式，例如jpg，png等）的庫支持的那些格式。

Ones and zeros

From existing data 從現有數據

Creating record arrays (numpy.rec) 創建記錄數組

注意

numpy.rec是numpy.core.records的首選別名。

Creating character arrays (numpy.char) 創建字符數組

注意

numpy.char是numpy.core.defchararray的首選別名。

Numerical ranges 數值范圍

Building matrices 建立矩陣

The Matrix class