鋒哥原創的Pandas2?Python數據處理與分析 視頻教程：??
2025版 Pandas2 Python數據處理與分析 視頻教程(無廢話版) 玩命更新中~_嗶哩嗶哩_bilibili
NumPy數組創建最常用的方式是直接創建， numpy 可以直接創建或者將 python的其他元素轉為 array 對象。 下面來看多維數組的創建
import numpy as np
?
# 創建一維數組
a1 = np.array([0, 1, 2])
print(a1, type(a1))
?
# 創建二維數組
a2 = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
print(a2, type(a2))
?
# 創建三維數組
a3 = np.array([[[0, 1, 2], [3, 4, 5], [6, 7, 8]], [[9, 10, 11], [12, 13, 14], [15, 16, 17]],[[18, 19, 20], [21, 22, 23], [24, 25, 26]]])
print(a3, type(a3))運行輸出：
[0 1 2] <class 'numpy.ndarray'>
[[0 1 2][3 4 5][6 7 8]] <class 'numpy.ndarray'>
[[[ 0 1 2][ 3 4 5][ 6 7 8]]
?[[ 9 10 11][12 13 14][15 16 17]]
?[[18 19 20][21 22 23][24 25 26]]] <class 'numpy.ndarray'>
?
Process finished with exit code 0除了直接創建多維數組，也可以采用常見的函數進行創建
n1 = np.zeros(10) ?# 生成10個浮點型0
n2 = np.ones(8) ?# 生成8個浮點型1
n3 = np.empty(9) ?# 生成9個隨機值，很夸張的隨機值
n4 = np.arange(10) ?# 生成10個，不包括10，步長1,默認從0開始
n5 = np.ones_like(n4) ?# 生成與n4結構一樣的1值
n6 = np.zeros_like(n4) ?# 生成與n4結構一樣的0值
n7 = np.empty_like(n4) ?# 生成與n4結構一樣的隨機值
print(n1)
print(n2)
print(n3)
print(n4)
print(n5)
print(n6)
print(n7)運行輸出：
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[1. 1. 1. 1. 1. 1. 1. 1.]
[0.00000000e+000 0.00000000e+000 0.00000000e+000 0.00000000e+0000.00000000e+000 2.58890398e-321 0.00000000e+000 1.02658998e-3001.38258698e-316]
[0 1 2 3 4 5 6 7 8 9]
[1 1 1 1 1 1 1 1 1 1]
[0 0 0 0 0 0 0 0 0 0]
[ 251076211860373504 ? ? ? ? ? ? ? 1631 1047090478771077120 ? ? 15891387121664 ? ? ? ? ? ? ? ? ? 02933462663846 3202622285013843968 ? ? ? ? ? ? ? 19084853313044480]還有一些常用的高級用法：
print(np.arange(2, 10, 0.5)) ?# 從2開始，步長0.5 ，不超過10
print(np.linspace(3, 6, num=5, endpoint=True)) ?# 從3到6，生成均勻的5個值，包括最終值6
print(np.random.randn(3, 4)) ?# 返回一個3行4列的隨機數組，浮點型
print(np.random.randint(0, 10, size=(3, 4))) ?# 返回一個3行4列的隨機數組，整型,隨機值范圍0到9
print(np.random.randint(0, 10, size=(3, 3, 3))) ?# 返回一個3維數組，整型,隨機值范圍0到9運行輸出：
[2. 2.5 3. 3.5 4. 4.5 5. 5.5 6. 6.5 7. 7.5 8. 8.5 9. 9.5]
[3. ? 3.75 4.5 5.25 6. ]
[[ 0.74793299 -0.05223858 0.32494228 1.24623639][ 1.09356216 -0.59055563 -1.27056592 -0.12965195][ 0.05077383 1.91432252 0.58686216 -0.85051921]]
[[2 0 5 5][1 3 5 0][1 1 2 8]]
[[[1 5 8][8 9 4][4 3 3]]
?[[9 3 4][9 7 4][5 4 1]]
?[[6 9 4][8 8 8][5 3 9]]]
)
