1 np.arange(),類似于range，通過指定開始值，終值和步長來創建表示等差數列的一維數組，注意該函數和range一樣結果不包含終值。

>>> np.arange(10)array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> np.arange(0,1,0.1)array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])>>>

2 np.linspace()函數，與上面np.arange不同的是，該函數第三個參數指定的是元素個數，它表示給定起始值和終點值以及元素個數，生成一個一維的等差數列。含有參數endpoint布爾值，默認為True表示包含終值，設定為False表示不包含終值。

>>> np.linspace(0,1,10)array([ 0.    , 0.11111111, 0.22222222, 0.33333333, 0.44444444,    0.55555556, 0.66666667, 0.77777778, 0.88888889, 1.    ])>>> np.linspace(0,1,10,endpoint = False)array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])

3 np.logspace,該函數與np.linspace類似，不過它生成的數組是等比數列，基數默認為10

>>> np.logspace(0,4,5)array([ 1.00000000e+00,  1.00000000e+01,  1.00000000e+02,     1.00000000e+03,  1.00000000e+04])

但是基數也可以改變，例如將基數base = 2，如下：

>>> np.logspace(0,3,5,base = 2)array([ 1. , 1.68179283, 2.82842712, 4.75682846, 8. ])

上面表示，起點為2^0 = 1，終點為2^3 = 8,一共按照等比數列生成5個點，這樣公比q = 2^(3/4)

4. np.zeros(),np.ones(),np.empty()可以創建指定的形狀和類型數組，其中np.enpty()只分配數組所使用的內存，不對數據初始化起作用。

>>> np.empty((2,3),np.int32)array([[ 8078112, 37431728, 8078112],    [47828800, 47828712,    10]])

注意上面創建的2*3的數組并沒有被初始化。

>>> np.ones(4)array([ 1., 1., 1., 1.])>>> np.ones((2,3))array([[ 1., 1., 1.],    [ 1., 1., 1.]])>>> np.ones(4,dtype = np.bool)array([ True, True, True, True], dtype=bool)>>> np.zeros(4,dtype = np.bool)array([False, False, False, False], dtype=bool)>>> np.zeros(4)array([ 0., 0., 0., 0.])

np.full()函數可以生成初始化為指定值的數組

>> np.full(4,np.pi)array([ 3.14159265, 3.14159265, 3.14159265, 3.14159265])>>> np.full((2,3),np.pi)array([[ 3.14159265, 3.14159265, 3.14159265],    [ 3.14159265, 3.14159265, 3.14159265]])

此外np.zeros_like()，np.ones_like()等函數創建于參數形狀相同的數組即np.zeros_like(a)與np.zeros(a.shape,dtype = a.type)相同

>>> a = np.arange(10).reshape(2,5)>>> np.zeros_like(a)array([[0, 0, 0, 0, 0],    [0, 0, 0, 0, 0]])

5 np.fromfunction()，它可以從指定的函數中生成數組，第一個參數是函數名稱，第二個參數是數組形狀。