参考
NumPy v1.11手册
数组创建例程

简介

一般有5个机制创建数组：
1. 从其他Python结构（例如，列表，元组）转换
2. numpy原生数组的创建（例如，arange、ones、zeros等）
3. 从磁盘读取数组，无论是标准格式还是自定义格式
4. 通过使用字符串或缓冲区从原始字节创建数组
5. 使用特殊库函数（例如，random）

本节不包括复制、join或以其他方式扩展或改变现有数组的方法。也不会涵盖创建对象数组或结构化数组。这两个都在它们自己的部分讲述。

将Python array_like对象转换为Numpy数组

通常，在Python中排列成array-like结构的数值数据可以通过使用array()函数转换为数组。最明显的例子是列表和元组。有关其使用的详细信息，请参阅array()的文档。一些对象可能支持数组协议，并允许以这种方式转换到数组。找出对象是否可以使用array()转换为一个数组numpy 数组的简单方法很简单，只要交互式试一下，看看它是否工作！（Python方式）。

注意每个元素的长度
>>> 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原生数组的创建

Numpy具有从头开始创建数组的内置函数：

zeros(shape)将创建一个用指定形状用0填充的数组。默认dtype为float64。

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

ones(shape)将创建一个用1个值填充的数组。它在所有其他方面与zeros相同。

arange()将创建具有定期递增值的数组。检查docstring有关可以使用的各种方法的完整信息。这里将给出几个例子：

>>> 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，关于用户应该知道的最后使用的一些细微之处，在arange docstring中描述。

linspace()将创建具有指定数量的元素的数组，并在指定的开始值和结束值之间等间隔。例如：

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

这个创建函数的优点是，可以保证元素的数量和起始点和结束点，arange()通常不会对任意的开始，停止和步长值做任何操作。

indices()将创建一组数组（堆叠为一个更高维度的数组），每个维度一个，每个维表示该维度的变化。一个例子说明比口头描述好得多：

>>> 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)

这对于在规则网格上评估多个维度的函数特别有用。

从磁盘读取数组

这可能是大数字组创建的最常见的情况。细节，当然，很大程度上取决于磁盘上的数据格式，因此本节只能给出如何处理各种格式的一般指针。

标准二进制格式

各种字段具有用于数组数据的标准格式。下面列出了已知的python库读取它们和返回numpy数组（可能有其他可以读取和转换为numpy数组，所以检查最后一节）

HDF5: PyTables
FITS: PyFITS

不能直接读取但不难转换的格式的示例是像PIL（能够读取和写入许多图像格式，例如jpg，png等）的库支持的那些格式。

常见ASCII格式

逗号分隔值文件（CSV）被广泛使用（以及Excel等程序的导出和导入选项）。在Python中有许多方法可以读取这些文件。Python中有CSV函数，pylab中有函数（matplotlib的一部分）。

更多的通用ascii文件可以使用io包在scipy中读取。

自定义二进制格式

有多种方法可以使用。如果文件具有相对简单的格式，那么可以编写一个简单的I / O库，并使用numpy fromfile()函数和.tofile()方法直接读取和写入numpy数组（注意你的字节序！如果存在读取数据的良好C或C ++库，那么可以使用各种技术打包该库，尽管这当然是更多的工作，需要显着更高级的知识来与C或C ++交互。

使用特殊库

有一些库可以用于为特殊目的生成数组，并且不可能枚举它们。最常见的用途是随机使用许多数组生成函数，其可以生成随机值的阵列，以及一些用于生成特殊矩阵（例如对角线）的效用函数。

不能直接读取但不难转换的格式的示例是像PIL（能够读取和写入许多图像格式，例如jpg，png等）的库支持的那些格式。

Ones and zeros

From existing data 从现有数据

Creating record arrays (numpy.rec) 创建记录数组

注意

numpy.rec是numpy.core.records的首选别名。

Creating character arrays (numpy.char) 创建字符数组

注意

numpy.char是numpy.core.defchararray的首选别名。

Numerical ranges 数值范围

Building matrices 建立矩阵

The Matrix class