目录
创建数组的方法，分成了创建简单数组和构造复杂数组两大类。其实简单数组和复杂数组并没有严格的分界线，大致上，无中生有创造出来的数组称为简单数组，通过移花接木、举一反三创造出来的数组称为复杂数组。
一、创建简单数组
用的构造简单数组的方法可以分为四类，分别是蛮力构造法、特殊数值法、随机数值法和定长分割法。
1.1 蛮力构造法
蛮力构造法使用 np.array() 来创建数组，标准写法为：
a = np.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)想要什么结构，就使用列表或者元组表示出来即可：
a = np.array([[1,2,3],
[4,5,6]]
)
a = np.array(((1,2,3),
(4,5,6)))1.2 特殊数值法
特殊值一般指0，1，空值等。特殊数值法适合构造全0、全1、空数组，或者由0、1组成的类似单位矩阵，比如主对角线为1，其余为0的数组。
可以使用的函数有：
numpy.zeros(shape, dtype=float, order=‘C’) 0数组
numpy.ones(shape, dtype=float, order=‘C’) 1数组
numpy.empty(shape, dtype=float, order=‘C’) 空数组，但是要指明数据类型
numpy.eye(N, M=None, k=0, dtype=float, order='C’) 单位矩阵例如：
print(np.zeros((3,3),dtype=float))
print(np.ones((3,3),dtype=int))
print(np.empty((3,3)))
print(np.empty((3,3),dtype=bool))
print(np.eye(3,3))还可以使用fill方法填充函数往矩数组里填充数组
a = np.empty((3,3))
a.fill(4)
print(a)
[[4. 4. 4.]
[4. 4. 4.]
[4. 4. 4.]]1.3 随机数值法
NumPy 也有一个 random 子模块，用随机数值法创建数组，主要就是使用 random 子模块。常用的模块有：
random() 生成 [0,1) 区间内的随机浮点数数；randint() 生成 [low, high) 区间内的随机整数；ormal() 生成以 loc 为均值、以 scale 为标准差的正态分布数组
numpy.random.random(size=None)
numpy.random.randint(low, high=None, size=None, dtype=‘l’)
numpy.random.normal(loc=0.0, scale=1.0, size=None)例如：
print(np.random.random(5))
print(np.random.randint(low=1,high=10,size =(3,3)))体验normal之前，介绍 matplotlib的hist方法：
plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False)
参数：
x：指定要绘制直方图的数据；
bins：指定直方图条形的个数；
range：指定直方图数据的上下界，默认包含绘图数据的最大值和最小值；
density：是否将直方图的频数转换成频率；
weights：该参数可为每一个数据点设置权重；
cumulative：是否需要计算累计频数或频率；
bottom：可以为直方图的每个条形添加基准线，默认为0；
histtype：指定直方图的类型，默认为bar，除此还有’barstacked’, ‘step’, ‘stepfilled’；
align：设置条形边界值的对其方式，默认为mid，除此还有’left’和’right’；
orientation：设置直方图的摆放方向，默认为垂直方向；
rwidth：设置直方图条形宽度的百分比；
log：是否需要对绘图数据进行log变换；
color：设置直方图的填充色；
label：设置直方图的标签，可通过legend展示其图例；
stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放import matplotlib.pyplot as plt
data = np.random.normal(loc=100,scale=1,size=10000)
plt.hist(data,bins = 1000)
plt.show()
1.4 定长分割法
定长分割法最常用的函数是 arange()，另一个定长分割函数 linspace()。
函数原型为：
a = np.arange(0,15,1).reshape((3,5))
print(a)```python
a = np.arange(0,15,1).reshape((3,5))
print(a)
```
linspace() 函数需要3个参数：一个起点、一个终点，一个返回元素的个数。linspace() 返回的元素包括起点和终点，我们可以通过endpoint参数选择是否包含终点。
numpy提供linspace函数(有时也称为np.linspace)是python中创建数值序列工具。与Numpy arange类似，生成结构与Numpy 数组类似的均匀分布的数值序列
通过定义均匀间隔创建数值序列。其实，需要指定间隔起始点、终止端，以及指定分隔值总数（包括起始点和终止点）；最终函数返回间隔类均匀分布的数值序列
endpoint：是否包含end，默认为True（包含）
即：当endpoint = True时， interval = (end-start) / (num-1)
当endpoint = False时，interval = (end-start) / num
dtype:和其他的 NumPy 一样, np.linspace中的dtype 参数决定输出数组的数据类型。如果不指定，python基于其他参数值推断数据类型。如果需要可以显示指定，参数值为NumPy 和 Python支持的任意数据类型。
print(np.linspace(0,10,9,endpoint=True))
print(np.linspace(0,10,9,endpoint=False))二、创建复杂数组
构造复杂数组可以分为重复构造法和网格构造法两种方法
2.1 重复构造法
重复构造法主要使用 repeat() 和 tile() 两个函数，repeat() 用来重复元素，tile() 用来重复数组。
ar = np.arange(5)
print(np.repeat(ar,2))
print(np.tile(ar,2))
print(np.tile(ar,(5,5))) #重复5行5列对于多维数组a，repeat() 还有一个默认参数 axis.
a = np.arange(6).reshape((2,3))
print(a)
print(np.repeat(a,2,axis=0)) #重复每行
print(np.repeat(a,2,axis=1)) #重复列2.2 网格构造法
用数组表示经纬度网格，一般有两种方式。第一种方式，用两个一维数组表示。
lon = np.linspace(-180,180,37) # 网格精度为10°，共计37个经度点
lat = np.linspace(-90,90,19) # 网格精度为10°，共计19个纬度点
print(lon)
print(lat)第二种方式，则是用 np.meshgrid() 生成两个二维数组，分别表示经度网格、纬度网格。np.meshgrid() 以刚才的两个一维数组 lon 和 lat 为参数，生成的网格精度也是10°。
np.meshgrid(*xi, **kwargs)，从坐标向量中返回坐标矩阵，也就是给定坐标的轴点，返回一个坐标网格点，比如给定x:n， y:m，则将返回一个list，第一个元素表示x轴取值，第二个为y轴取值。也就是n×m个坐标点。
lons,lats = np.meshgrid(lon,lat)
print(lons,lats)
a = np.array([1,2,3])
# 坐标向量
b = np.array([7,8])
# 从坐标向量中返回坐标矩阵
# 返回list,有两个元素,第一个元素是X轴的取值,第二个元素是Y轴的取值
res = np.meshgrid(a,b)
print(res)或者使用mgrid方法直接生成
lats, lons = np.mgrid[-90:91:5., -180:181:5.] # 网格精度为5°，网格shape为(37,73)
print(lats,lons,sep='\n')还可以使用虚数定义网格shape：
lats, lons = np.mgrid[-90:90:37j, -180:180:73j] # 也可以用虚实指定分割点数，网格精度同样为5°
print(lats,lons,sep='\n')2.3 画3D图形
radians() 方法将角度转换为弧度
lats, lons = np.mgrid[-90:91:5., -180:181:5.]
lons = np.radians(lons) # 度转弧度
lats = np.radians(lats) # 度转弧度
z = np.sin(lats) # 网格上所有点的z坐标
x = np.cos(lats)*np.cos(lons) # 网格上所有点的x坐标
y = np.cos(lats)*np.sin(lons) # 网格上所有点的y坐标
ax = plt.subplot(111,projection='3d')
ax.plot_surface(x,y,z,cmap=plt.cm.coolwarm,alpha=0.8)
plt.show()