Numpy 创建数组
numpy.empty
numpy.empty方法用来创建一个指定 形状（shape）、数据类型（dtype）且未初始化的数组：
numpy.empty(shape, dtype = float, order = 'C')
- hape：int或tuple
空数组的形状
- dtype：数据类型，可选
所需的输出数据类型。
- order：{'C'，'F'}，可选
是否在存储器中以行主（C风格）或列主（Fortran风格）顺序存储多维数据。
返回
给定形状，dtype和顺序的未初始化（任意）数据的数组。对象数组将初始化为无。
#创建三行两列的数组
import numpy as np
x = np.empty([3,2], dtype = int)
print (x)
# 注意 − 数组元素为随机值，因为它们未初始化。
#[[ 6917529027641081856 5764616291768666155]
# [ 6917529027641081859 -5764598754299804209]
# [ 4497473538 844429428932120]]
numpy.zeros
创建指定大小的数组，数组元素以 0 来填充：
numpy.zeros(shape, dtype = float, order = 'C')
shape：int或ints序列
新数组的形状，例如
（2， 3）或2。
dtype：数据类型，可选
数组的所需数据类型，例如
numpy.int8。默认值为numpy.float64。
order：{'C'，'F'}，可选
是否在存储器中以C或Fortran连续（按行或列方式）存储多维数据。
import numpy as np
# 默认为浮点数
x = np.zeros(5)
print(x)
# [0. 0. 0. 0. 0.]
# 设置类型为整数
y = np.zeros((5,), dtype = np.int)
print(y)
# [0 0 0 0 0]
# 自定义类型
z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])
print(z)
#[[(0, 0) (0, 0)]
# [(0, 0) (0, 0)]]
numpy.ones
创建指定形状的数组，数组元素以 1 来填充：
numpy.ones(shape, dtype = None, order = 'C')
shape：int或ints序列
新数组的形状，例如
（2， 3）或2。
dtype：数据类型，可选
数组的所需数据类型，例如
numpy.int8。默认值为numpy.float64。
order：{'C'，'F'}，可选
是否在存储器中以C或Fortran连续（按行或列方式）存储多维数据。
import numpy as np
# 默认为浮点数
x = np.ones(5)
print(x)
# [1. 1. 1. 1. 1.]
# 自定义类型
x = np.ones([2,2], dtype = int)
print(x)
#[[1 1]
# [1 1]]
Numerical ranges
numpy.arange()
numpy.arange([start,]stop,[step,]dtype=None)
在给定间隔内返回均匀间隔的值。
在半开区间[开始， 停止）（换句话说，包括开始 t3 >但不包括\停止*）。*对于整数参数，该函数等效于Python内置的range函数，但返回一个ndarray而不是一个列表。
>>> np.arange(3)
array([0, 1, 2])
>>> np.arange(3.0)
array([ 0., 1., 2.])
>>> np.arange(3,7)
array([3, 4, 5, 6])
>>> np.arange(3,7,2)
array([3, 5])
numpy.linspace()
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的间隔内返回均匀间隔的数字。
返回num均匀分布的样本，在 [start, stop]。
这个区间的端点可以任意的被排除在外。
参数：
start : scalar(标量) 序列的起始值
stop : scala 序列的结束点，除非endpoint被设置为False，在这种情况下, the sequence consists of all but the last of num + 1 evenly spaced samples(该序列包括所有除了最后的num+1上均匀分布的样本(感觉这样翻译有点坑)), 以致于stop被排除.当endpoint is False的时候注意步长的大小(下面有例子).
num : int, optional(可选) 生成的样本数，默认是50。必须是非负。
endpoint : bool, optional 如果是真，则一定包括stop，如果为False，一定不会有stop
retstep : bool, optional 如果为真，返回（样本，步骤），其中步长是样本之间的间距。
dtype : dtype, optional
返回：
samples：ndarray
step ：float
仅在retstep为True时返回
样本之间的间距大小。
>>> np.linspace(2.0, 3.0, num=5)
array([ 2. , 2.25, 2.5 , 2.75, 3. ])
>>> np.linspace(2.0, 3.0, num=5, endpoint=False)
array([ 2. , 2.2, 2.4, 2.6, 2.8])
>>> np.linspace(2.0, 3.0, num=5, retstep=True)
(array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)
Building matrices
numpy.diag()
提取对角线或构造对角数组。
numpy.diag(v,k=0)
v 是一个1维数组时，结果形成一个以一维数组为对角线元素的矩阵
v 是一个二维矩阵时，结果输出矩阵的对角线元素
k: int, optional 对角线的位置，大于零位于对角线上面，小于零则在下面。
>>> x = np.arange(9).reshape((3,3))
>>> x
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
>>> np.diag(x)
array([0, 4, 8])
>>> np.diag(x, k=1)
array([1, 5])
>>> np.diag(x, k=-1)
array([3, 7])
>>> np.diag(np.diag(x))
array([[0, 0, 0],
[0, 4, 0],
[0, 0, 8]])