下面将一些Numpy中常用的数组定义方法，均为个人学习过程中整理。
（1）最直接的方式 np.array()，使用其创建一维和二维数组代码如下：
import numpy as np
# 一维数组的创建
array = np.array([1, 2, 3])
print(array)
# 二维数组的创建
array1 = np.array([[1, 2, 3], [4, 5, 6]])
print(array1)
输出结果为：
array = [1 2 3]
arrya1 = [[1 2 3]
[4 5 6]]
（2）np.arange() 可以定义数组的取值区间及取值间隔，一共有三种常用情况，代码及其输出结果如下：
import numpy as np # 默认为0开始，括号里面是多少，表示到多少结束，也就是[0, 10)，默认为每隔一个数值取一个元素 arange = np.arange(10) print(arange) # 表示从[1，10）每隔1个数值取一个元素 arange1 = np.arange(1, 10) print(arange1) # 这里表示[4，20） 每隔两个数值取一个元素 arange2 = np.arange(4, 20, 2) print(arange2) 输出结果为： arange = [0 1 2 3 4 5 6 7 8 9] arange1 = [1 2 3 4 5 6 7 8 9] arange2 = [ 4 6 8 10 12 14 16 18]
（3）创建0矩阵或者1矩阵的方法
import numpy as np
# 创建一个一维三个数的全0矩阵
zeros = np.zeros(3)
print(zeros)
# 创建一个3*3的全0矩阵
zeros0 = np.zeros((3, 3))
print(zeros0)
# 创建一个3*3的单位矩阵
ones = np.ones((3, 3))
print(ones)
# 创建一个数值全为8的矩阵，只需将ones*8即可
eights = ones * 8
print(eights)
# 创建一个2*2空矩阵，并向里面填充值1
emptys = np.empty((2, 2))
emptys.fill(1)
print(emptys)
输出结果如下：
zeros = [0. 0. 0.]
zeros0 = [[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]
ones = [[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]]
eights = [[8. 8. 8.]
[8. 8. 8.]
[8. 8. 8.]]
emptys = [[1. 1.]
[1. 1.]]
emptys_like = [[0. 0.]
[0. 0.]]
（4）初始化参数、切分数据集、随机采样等操作都会用到随机模块，服从“0~1”均匀分布的随机样本值，使用函数 np.random.rand(),创建随机整数矩阵使用函数np.random.randint(),抽取正态分布的随机样本数，使用np.random.normal()。
import numpy as np
# 返回一个随机值
randoms0 = np.random.rand()
print(randoms0)
# 创建一个3*2的均匀样本矩阵
randoms1 = np.random.rand(3, 2)
print(randoms1)
# 创建随机整数矩阵，默认开始为0，大小等于 size
random_int = np.random.randint(10, size=(2,2))
print(random_int)
# 创建一个均值为0，标准差为0.1的高斯分布的维度为2*2的随机数
random_normal = np.random.normal(loc=0,scale=0.1,size=(2,2))
print(random_normal)
输出结果为：
randoms0 = 0.9601610659561451
randoms1 = [[0.25896393 0.67669285]
[0.55671656 0.58410933]
[0.7572209 0.68905592]]
random_int = [[3 6]
[9 1]]
random_normal = [[-0.21054653 0.07516595]
[ 0.05954115 -0.06950286]]
