1 使用list初始化
a=np.array([[1,2,3],[4,5,6]],dtype='float32')
#a=[[1. 2. 3.],[4. 5. 6.]]
2 赋值与复制
（1）赋值
a=np.array([1,2,3])
b=a
print(b is a) #True
b[0]=0
print(a) #[0 2 3]
print(b) #[0 2 3]
print(b is a) #True
在赋值情形下，b 和 a 指向同一块地址，b 改变，a 也随着改变 。
a=np.array([1,2,3])
b=a[:2]
print(b is a) #False
b[0]=0
print(a) #[0 2 3]
print(b) #[0 2]
在使用切片时，切片改变，原数据也会改变。
（2）复制
a=np.array([1,2,3])
b=a.copy()
print(b is a) #False
b[0]=0
print(a) #[1 2 3]
print(b) #[0 2 3]
在复制情形下，b和a指向不同地址，b改变，a不会改变
3 随机数初始化
3.1 区间内随机数
（1）np.random.uniform(low=0.0, high=1.0, size=None)
简介：生成 [low,high) 内的 size 个随机数，默认 [0,1) 之间，size 是 int 型或元组
a=np.random.uniform() #产生[0,1)内的1个随机数
#a=0.1973408987805232
b=np.random.uniform(10,20,2) #产生[10,20)内的2个随机数
#b=[10.15492129 12.8762581]
c=np.random.uniform(1,5,(2,3)) #产生[1,5)内2*3个随机数
#c=[[1.89354111 4.01642541 1.63691704],[3.23261205 4.81380553 4.51288251]]
（2）np.random.rand(d0,d1,...,dn)
简介：生成 [0,1) 内的 d0*d1*...*dn 个浮点数，d0,d1,...,dn 表示数组维度
a=np.random.rand() #产生[0,1)内的1个随机数
#a=0.7114622255979923
b=np.random.rand(2) #产生[0,1)内的2个随机数
#b=[0.39094731 0.32324018]
c=np.random.rand(2,3) #产生[0,1)内的2*3个随机数
#c=[[0.30305566 0.70335946 0.71778137],[0.03069973 0.20145633 0.70092122]]
（3）np.random.randint(low, high=None, size=None, dtype=’l’)
简介：生成 [low,high) 内的 size 个整型随机数，默认1个 [0,low) 内的随机整数
a=np.random.randint(10) #产生[0,10)内的1个随机整数
#a=6
b=np.random.randint(10,20) #产生[10,20)内的1个随机整数
#b=14
c=np.random.randint(1,5,(2,3)) #产生[1,5)内的2*3个随机整数
#c=[[4 2 2],[3 2 1]]
3.2 随机全排列
（1） np.random.permutation(n)
简介：若 n 为 int，生成 0~n-1 的一个随机排列；若 n 为数组，生成此数组的一个随机排列
a=np.random.permutation(10)
#a=[5 9 6 8 7 4 0 3 1 2]
x=np.array([2.2,4.4,6.6,8.8])
b=np.random.permutation(x) #x不变，b随机
#b=[6.6 2.2 4.4 8.8]
（2）np.random.shuffle(arr)
简介：将数组 arr 随机打乱
a=np.array([1,3,5,7,9,0,2,4,6,8])
np.random.shuffle(a)
#a=[6 5 9 8 0 3 4 2 1 7]
3.3 随机部分排列
np.random.choice(a, size=None, replace=True, p=None)
简介：若 a 为 int，从 0~a-1 中随机挑选 size 个数排列；若 a 为数组，则从此数组中随机挑选 size 个数排列。replace 表示是否允许元素重复
a=np.random.choice(10,7,replace=False)
#a=[2 7 0 1 8 4 3]
x=['a','b','c','d','e','f','g','h','i','j']
b=np.random.choice(x,5,replace=False)
#b=['b' 'd' 'c' 'i' 'e']
4 全0与全1初始化
a=np.zeros(5,dtype='int32')
#a=[0 0 0 0 0]
b=np.zeros((2,3),dtype='int32')
#b=[[0 0 0],[0 0 0]]
c=np.ones(5,dtype='int32')
#c=[1 1 1 1 1]
d=np.ones((2,3),dtype='int32')
#d=[[1 1 1],[1 1 1]]
5 等步长连续序列初始化
（1）np.arange(min,max,step=1)
简介：生成 [min,max) 之间步长为 step 的序列，步长默认为1
a=np.arange(2,6)
#a=[2 3 4 5]
b=np.arange(2,3,0.2)
#b=[2. 2.2 2.4 2.6 2.8]
（2）np.linspace(min,max,num=50)
简介：生成 [min,max] 之间长度为num的序列，长度默认为50
a=np.linspace(6,8,5)
#a=[6. 6.5 7. 7.5 8.]
b=np.linspace(1,99)
#b=
#[1. 3. 5. 7. 9. 11. 13. 15. 17. 19. 21. 23. 25. 27. 29. 31. 33. 35.
# 37. 39. 41. 43. 45. 47. 49. 51. 53. 55. 57. 59. 61. 63. 65. 67. 69. 71.
# 73. 75. 77. 79. 81. 83. 85. 87. 89. 91. 93. 95. 97. 99.]
说明：本文转自numpy数组初始化方法总结
标签：初始化,随机数,random,print,随机,数组,np,numpy,size From： https://www.cnblogs.com/zhyan8/p/17232655.html