1. numpy.array()

• 该方法可以直接定义一个向量或矩阵

• 测试代码

  import numpy as np
  
  vector = np.array([1, 2, 3, 4])
  metrix = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
  
  print(vector)
  print(metrix)
  

• 结果

  [1 2 3 4]
  [[1 2 3 4]
   [5 6 7 8]]
  

2. numpy.arange()

• 可以定义等距向量或矩阵

• 测试代码

  import numpy as np
  
  # 定义向量
  # [0, 15)间距为1的向量
  a = np.arange(15)
  # [10, 30)间距为5的向量
  b = np.arange(10, 30, 5)
  
  # 定义矩阵，reshape可以修改矩阵结构
  c = np.arange(15).reshape(3, 5)
  
  print(a)
  print(b)
  print(c)
  

• 结果

  [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]
  [10 15 20 25]
  [[ 0  1  2  3  4]
   [ 5  6  7  8  9]
   [10 11 12 13 14]]
  

3. np.zeros()

• 可以定义数据全为0的向量或矩阵

• 测试代码

  import numpy as np
  
  # 向量
  # dtype指定数据类型，默认为numpy.float64
  a = np.zeros(3, dtype=np.int32, ) # a = np.zeros((3))
  # 矩阵
  b = np.zeros((2, 3))
  
  print(a)
  print(b)
  

• 结果

  [0 0 0]
  [[0. 0. 0.]
   [0. 0. 0.]]
  

4. np.ones()

• 可以定义数据全为1的向量或矩阵

• 测试代码

  import numpy as np
  
  # 向量
  # dtype指定数据类型，默认为numpy.float64
  a = np.ones(3, dtype=np.int32, ) # a = np.ones((3))
  # 矩阵
  b = np.ones((2, 3))
  
  print(a)
  print(b)
  

• 结果

  [1 1 1]
  [[1. 1. 1.]
   [1. 1. 1.]]
  

5. numpy.random.random()

• 测试代码

  import numpy as np
  
  # 向量
  # 产生3个[0, 1)之间的数组成的向量
  a = np.random.random(3)
  # 产生3个[0, 10)之间的数组成的向量
  b = 10 * np.random.random(3)
  
  # 矩阵
  c = np.random.random((3, 2))
  
  print(a)
  print(b)
  print(c)
  

• 结果

  [0.13145229 0.3579447  0.73169757]
  [8.71034733 7.23799586 7.32234672]
  [[0.38781208 0.71026693]
   [0.70824702 0.84315752]
   [0.55963861 0.72510996]]
  

6. numpy.linspace()

• 定义由区间中固定等距元素组成的向量或矩阵

• 测试代码

  import numpy as np
  
  # 向量
  # 定义由6个[0, 2*pi)之间等距数据组成的向量
  a = np.linspace(0, 2*np.pi, 6)
  # 矩阵
  b = a.reshape(2, 3)
  
  print(a)
  print(b)
  

• 结果

  [0.         1.25663706 2.51327412 3.76991118 5.02654825 6.28318531]
  [[0.         1.25663706 2.51327412]
   [3.76991118 5.02654825 6.28318531]]