有的小伙伴不知道如何构建多维数组，正好小编找到了一些办法，具体如下：

1.创建一般的多维数组

import numpy as np a = np.array([1,2,3], dtype=int) # 创建1*3维数组 array([1,2,3]) type(a) # numpy.ndarray类型 a.shape # 维数信息(3L,) a.dtype.name # ‘int32′ a.size # 元素个数：3 a.itemsize #每个元素所占用的字节数目:4 b=np.array([[1,2,3],[4,5,6]],dtype=int) # 创建2*3维数组 array([[1,2,3],[4,5,6]]) b.shape # 维数信息（2L,3L） b.size # 元素个数：6 b.itemsize # 每个元素所占用的字节数目:4 c=np.array([[1,2,3],[4,5,6]],dtype=’int16′) # 创建2*3维数组 array([[1,2,3],[4,5,6]],dtype=int16) c.shape # 维数信息（2L,3L） c.size # 元素个数：6 c.itemsize # 每个元素所占用的字节数目:2 c.ndim # 维数 d=np.array([[1,2,3],[4,5,6]],dtype=complex) # 复数二维数组 d.itemsize # 每个元素所占用的字节数目：16 d.dtype.name # 元素类型：’complex128’

</pre>
2.创建特殊类型的多维数组

a1 = np.zeros((3,4)) # 创建3*4全零二维数组 输出： array([[ 0., 0., 0., 0.],  [ 0., 0., 0., 0.],  [ 0., 0., 0., 0.]]) a1.dtype.name # 元素类型：’float64′ a1.size # 元素个数：12 a1.itemsize # 每个元素所占用的字节个数：8 a2 = np.ones((2,3,4), dtype=np.int16) # 创建2*3*4全1三维数组 a2 = np.ones((2,3,4), dtype=’int16′)  # 创建2*3*4全1三维数组 输出： array([[[1, 1, 1, 1],  [1, 1, 1, 1],  [1, 1, 1, 1]],  [[1, 1, 1, 1],  [1, 1, 1, 1],  [1, 1, 1, 1]]], dtype=int16) a3 = np.empty((2,3)) # 创建2*3的未初始化二维数组 输出：（may vary） array([[ 1., 2., 3.],  [ 4., 5., 6.]]) a4 = np.arange(10,30,5) # 初始值10，结束值：30（不包含），步长：5 输出：array([10, 15, 20, 25]) a5 = np.arange(0,2,0.3) # 初始值0，结束值：2（不包含），步长：0.2 输出：array([ 0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8]) from numpy import pi np.linspace(0, 2, 9) # 初始值0，结束值：2（包含），元素个数：9 输出： array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ]) x = np.linspace(0, 2*pi, 9) 输出： array([ 0.  , 0.78539816, 1.57079633, 2.35619449, 3.14159265,  3.92699082, 4.71238898, 5.49778714, 6.28318531]) a = np.arange(6) 输出： array([0, 1, 2, 3, 4, 5]) b = np.arange(12).reshape(4,3) 输出： array([[ 0, 1, 2],  [ 3, 4, 5],  [ 6, 7, 8],  [ 9, 10, 11]]) c = np.arange(24).reshape(2,3,4) 输出： 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]]])
<pre class="brush:js;toolbar:false">

使用numpy.set_printoptions可以设置numpy变量的打印格式。

在ipython环境下，使用help(numpy.set_printoptions)查询使用帮助和示例。

学会了构建多维数组，下期还有Python中numpy多维数组的用法，小伙伴们不要错过哦。