NumPy封装了一个新的数据类型ndarray，一个多维数组对象，该对象封装了许多常用的数学运算函数，方便我们进行数据处理以及数据分析，那么如何生成ndarray呢？这里我们介绍生成ndarray的几种方式，如从已有数据中创建；利用random创建；创建特殊多维数组；使用arange函数等。

1.从已有数据中创建

直接对python的基础数据类型（如列表、元组等）进行转换来生成ndarray。

（1）将列表转换成ndarray

---

import numpy as np
list1 = [3.14,2.17,0,1,2]
nd1 = np.array(list1)
print(nd1)
print(type(nd1))

---

打印结果：

---

[ 3.14  2.17  0.    1.    2.  ]
<class 'numpy.ndarray'>

---

（2）嵌套列表可以转换成多维ndarray

---

import numpy as np
list2 = [[3.14,2.17,0,1,2],[1,2,3,4,5]]
nd2 = np.array(list2)
print(nd2)
print(type(nd2))

---

打印结果：

---

[[ 3.14  2.17  0.    1.    2.  ]
 [ 1.    2.    3.    4.    5.  ]]
<class 'numpy.ndarray'>

---

如果把（1）和（2）中的列表换成元组也同样适合。

2.利用random模块生成ndarray

在深度学习中，我们经常需要对一些变量进行初始化，适当的初始化能提高模型的性能。通常我们用随机数生成模块random来生成，当然random模块又分为多种函数：random生成0到1之间的随机数；uniform生成均匀分布随机数；randn生成标准正态的随机数；normal生成正态分布；shuffle随机打乱顺序；seed设置随机数种子等。下面我们列举几个简单示例。

---

import numpy as np

nd5 = np.random.random([3,3])
print(nd5)
print(type(nd5))

---

打印结果：

---

[[ 0.88900951  0.47818541  0.91813526]
 [ 0.48329167  0.63730656  0.14301479]
 [ 0.9843789   0.99257093  0.24003961]]
<class 'numpy.ndarray'>

---

生成一个随机种子，对生成的随机数打乱。

---

import numpy as np

np.random.seed(123)
nd5_1 = np.random.randn(2,3)
print(nd5_1)
np.random.shuffle(nd5_1)
print("随机打乱后数据")
print(nd5_1)
print(type(nd5_1))

---

打印结果：

---

[[-1.0856306   0.99734545  0.2829785 ]
 [-1.50629471 -0.57860025  1.65143654]]

---

随机打乱后数据为：

---

[[-1.50629471 -0.57860025  1.65143654]
 [-1.0856306   0.99734545  0.2829785 ]]
<class 'numpy.ndarray'>

---

3.创建特定形状的多维数组

数据初始化时，有时需要生成一些特殊矩阵，如0或1的数组或矩阵，这时我们可以利用np.zeros、np.ones、np.diag来实现，下面我们通过几个示例来说明。

---

import numpy as np

#生成全是0的3x3矩阵
nd6 = np.zeros([3,3])
#生成全是1的3x3矩阵
nd7 = np.ones([3,3])
#生成3阶的单位矩阵
nd8= np.eye(3)
#生成3阶对角矩阵
print (np.diag([1, 2, 3]))

---

我们还可以把生成的数据保存到磁盘，然后从磁盘读取。

---

import numpy as np
nd9 = np.random.random([5,5])
np.savetxt(X=nd9,fname='./test2.txt')
nd10 = np.loadtxt('./test2.txt')

---

4.利用arange函数

arange是numpy模块中的函数，其格式为：arange（[start，]stop[，step，]，dtype=None）。根据start与stop指定的范围，以及step设定的步长，生成一个ndarray，其中start默认为0，步长step可为小数。 36fv38TH2w7ySpU6Yo2EF92Ya6wdn6ilOGMfvjbLvSnK0R9INkablvDzLyxy+2Zf

---

import numpy as np

print(np.arange(10))
print(np.arange(0,10))
print(np.arange(1, 4,0.5))
print(np.arange(9, -1, -1))

---