有時我們需要將numpy陣列初始化為相同的值，numpy提供了一些方法幫助我們實現這個目的。

很多人學習python，不知道從何學起。

很多人學習python，掌握了基本語法過後，不知道在哪裡尋找案例上手。

很多已經做案例的人，卻不知道如何去學習更加高深的知識。

那麼針對這三類人，我給大家提供一個好的學習平臺，免費領取視訊教程，電子書籍，以及課程的原始碼！??¤

QQ群：1057034340

1. np.zeros

np.zeros返回來一個給定形狀和型別的用0填充的陣列。

numpy.zeros(shape, dtype=float, order='C')

np.zeros(5)
array([ 0.,  0.,  0.,  0.,  0.])

np.zeros((5,), dtype=int)
array([0, 0, 0, 0, 0])

np.zeros((2, 1))
array([[ 0.],
       [ 0.]])

np.zeros((2, 2))
array([[ 0.,  0.],
       [ 0.,  0.]])
 

2. np.ones

np.ones返回來一個給定形狀和型別的用1填充的陣列。

numpy.ones(shape, dtype=None, order='C')

>>> np.ones(5)
array([1., 1., 1., 1., 1.])

>>> np.ones((5,), dtype=int)
array([1, 1, 1, 1, 1])

>>> np.ones((2, 1))
array([[1.],
       [1.]])

>>> s = (2,2)
>>> np.ones(s)
array([[1.,  1.],
       [1.,  1.]])
 

初始化陣列中的所有元素為10：

>>> import numpy as np
>>> a = np.ones((4,4)) * 10
[[10. 10. 10. 10.]
 [10. 10. 10. 10.]
 [10. 10. 10. 10.]
 [10. 10. 10. 10.]]

3. np.full

np.full返回來一個給定形狀和型別的用fill_value填充的陣列。

numpy.full(shape, fill_value, dtype=None, order='C')

>>> np.full((3, 5), 7, dtype=int)
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

>>> np.full((2, 2), np.inf)
array([[inf, inf],
       [inf, inf]])

>>> np.full((2, 2), [1, 2])
array([[1, 2],
       [1, 2]])
 

4. 陣列填充-fill

np.empty 方法用來建立一個指定形狀(shape)、資料型別(dtype)且未初始化的陣列。

numpy.empty(shape, dtype=float, order='C')

np.empy生成的陣列元素為隨機值。

>>> np.empty([2, 2])
array([[ -9.74499359e+001,   6.69583040e-309],
       [  2.13182611e-314,   3.06959433e-309]])         #uninitialized

>>> np.empty([2, 2], dtype=int)
array([[-1073741821, -1067949133],
       [  496041986,    19249760]])                     #uninitialized

>>> a = np.empty([2, 2])
>>> a.fill(20)
[[20. 20.]
 [20. 20.]]

>>> a[:] = 30
[[30. 30.]
 [30. 30.]]

5. np.repeat

np.repeat實現重複陣列元素的功能。

numpy.repeat(a, repeats, axis=None)[source]

>>> np.repeat(3, 4)
array([3, 3, 3, 3])

>>> x = np.array([[1,2],[3,4]])
>>> np.repeat(x, 2)
array([1, 1, 2, 2, 3, 3, 4, 4])

>>> np.repeat(x, 3, axis = 1)
array([[1, 1, 1, 2, 2, 2],
       [3, 3, 3, 4, 4, 4]])

>>> np.repeat(x, [1, 2], axis = 0)
array([[1, 2],
       [3, 4],
       [3, 4]])

6. np.tile

np.tile把陣列沿各個方向複製。

numpy.tile(A, reps)

>>> a = np.array([0, 1, 2])
>>> np.tile(a, 2)
array([0, 1, 2, 0, 1, 2])

>>> np.tile(a, (2, 2))
array([[0, 1, 2, 0, 1, 2],
       [0, 1, 2, 0, 1, 2]])

>>> np.tile(a, (2, 1, 2))
array([[[0, 1, 2, 0, 1, 2]],
       [[0, 1, 2, 0, 1, 2]]])
>>> b = np.array([[1, 2], [3, 4]])
>>> np.tile(b, 2)
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])

>>> np.tile(b, (2, 1))
array([[1, 2],
       [3, 4],
       [1, 2],
       [3, 4]])

>>> c = np.array([1,2,3,4])
>>> np.tile(c,(4,1))
array([[1, 2, 3, 4],
       [1, 2, 3, 4],
       [1, 2, 3, 4],
       [1, 2, 3, 4]])