第二篇：ndarray数组创建大全🔥从零生成各类常用数组

上一篇我们认识了NumPy的核心地位和ndarray数组的基础概念，知道了它是NumPy的灵魂。想要玩转数值计算，第一步就是学会创建不同类型的ndarray数组。

本篇作为系列第二篇，专门整理了日常工作、实战中最常用的数组创建方法，从基础手动创建，到快速生成特殊数组，代码直接复制就能用，新手也能快速掌握～

1. 从Python列表/元组创建数组（基础入门）

最基础的创建方式，把原生Python列表、元组直接转为ndarray数组，适合小批量数据快速转换：

import numpy as np# 一维数组创建arr1 = np.array([1,2,3,4,5])print("一维数组：\n", arr1)# 二维数组（类似表格）创建arr2 = np.array([[1,2,3],[4,5,6],[7,8,9]])print("二维数组：\n", arr2)# 从元组创建数组arr_from_tuple = np.array((10,20,30,40))print("元组转数组：\n", arr_from_tuple)

2. 快速生成规律数组（实战最常用）

不用手动输入数据，一行代码生成连续、等差、固定步长的数组，处理规律数据必备：

• np.arange()：生成等差数组，类似range()，支持浮点数

• np.linspace()：生成指定数量的均分数组，包含起止值

# 生成0-9的整数数组arr_arange1 = np.arange(10)# 生成2-10，步长为2的数组arr_arange2 = np.arange(2,10,2)# 生成0-10之间，均分5个元素的数组arr_linspace = np.linspace(0,10,5)print("arange生成：", arr_arange1)print("等差步长生成：", arr_arange2)print("均分数组：", arr_linspace)

3. 生成特殊值数组（数据预处理必备）

这类数组在数据初始化、占位、矩阵运算中高频使用，必须牢记：

• np.zeros()：生成全0数组

• np.ones()：生成全1数组

• np.full()：生成指定数值的数组

• np.eye()：生成单位矩阵（对角线为1，其余为0）

# 2行3列全0数组zero_arr = np.zeros((2,3))# 3行3列全1数组one_arr = np.ones((3,3))# 2行2列，全为6的数组full_arr = np.full((2,2),6)# 4阶单位矩阵eye_arr = np.eye(4)print("全0数组：\n", zero_arr)print("单位矩阵：\n", eye_arr)

4. 随机数组生成（模拟数据必备）

做数据测试、模拟样本、机器学习随机初始化时，随机数组必不可少：

• np.random.rand()：生成0-1之间均匀分布随机数

• np.random.randn()：生成标准正态分布随机数

• np.random.randint()：生成指定范围整数随机数

# 2行3列0-1随机数rand_arr = np.random.rand(2,3)# 1-10之间，5个随机整数randint_arr = np.random.randint(1,10,5)print("随机浮点数数组：\n", rand_arr)print("随机整数数组：", randint_arr)

📌 数组创建避坑小技巧

• 创建多维数组时，维度用元组表示，比如(2,3)代表2行3列；

• arange不包含结束值，linspace包含结束值，注意区分；

• 随机数每次运行结果不同，可加np.random.seed()固定随机种子。

📚 本篇小结+下篇预告

本篇我们掌握了NumPy数组的所有常用创建方法，覆盖基础、规律、特殊、随机四大类，足够应对日常数据初始化需求。第三篇我们将学习数组的核心属性、索引与切片，精准提取数组内任意数据，彻底搞定数组操控～