Python中的数组(array)函数有哪些?

Python 中有许多用于数组的函数，这些函数可以帮助开发者快速、方便地操作数组，提高编程效率。下面就来介绍一下 Python 中常用的数组函数：

1. numpy.array()

numpy.array() 函数可以创建一个数组，这个数组可以是一维的、二维的或者更高维度的数组。例如：

import numpy as np

# 创建一维数组
a = np.array([1, 2, 3, 4, 5])

# 创建二维数组
b = np.array([[1, 2], [3, 4], [5, 6]])

2. numpy.zeros()

numpy.zeros() 函数可以创建一个元素都是 0 的数组，大小由参数 shape 来指定。例如：

import numpy as np

# 创建一个 2x3 的数组，元素都为 0
a = np.zeros([2, 3])

3. numpy.ones()

numpy.ones() 函数可以创建一个元素都是 1 的数组，大小由参数 shape 来指定。例如：

import numpy as np

# 创建一个 2x3 的数组，元素都为 1
a = np.ones([2, 3])

4. numpy.empty()

numpy.empty() 函数可以创建一个指定大小的数组，但是并不初始化数组元素的值。例如：

import numpy as np

# 创建一个 2x3 的数组，元素未初始化
a = np.empty([2, 3])

5. numpy.arange()

numpy.arange() 函数创建一个一维数组，包含从 start 到 stop（不包含）的数字，步长为 step。例如：

import numpy as np

# 创建一个 1 到 9，步长为 2 的一维数组
a = np.arange(1, 10, 2)

6. numpy.linspace()

numpy.linspace() 函数将指定的区间上等间隔的取点作为数组的元素。例如：

import numpy as np

# 创建一个 0 到 1，共 11 个等间距的元素的一维数组
a = np.linspace(0, 1, 11)

7. numpy.reshape()

numpy.reshape() 函数可以将一个数组重塑为不同的形状，也可以将一个多维数组展平成一维数组。例如：

import numpy as np

# 创建一个 2x3 的数组，并将它重塑为 3x2 的数组
a = np.array([[1, 2, 3], [4, 5, 6]])
b = a.reshape([3, 2])

8. numpy.transpose()

numpy.transpose() 函数可以将数组的维度进行转置操作，例如：

import numpy as np

# 创建一个 2x3 的数组，并将它转置为 3x2 的数组
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.transpose(a)

9. numpy.concatenate()

numpy.concatenate() 函数可以将两个或多个数组按照指定的维度进行拼接操作，例如：

import numpy as np

# 创建两个 2x3 的数组，并将它们按照行拼接为 4x3 的数组
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[7, 8, 9], [10, 11, 12]])
c = np.concatenate([a, b], axis=0)

10. numpy.split()

numpy.split() 函数可以将一个数组按照指定的维度进行切片操作，并将切片后的结果存放到多个数组中。例如：

import numpy as np

# 创建一个 2x4 的数组，并将它按照列切分为 4 个一维数组
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
b = np.split(a, 4, axis=1)

总结：

以上就是 Python 中常用的数组函数的介绍，这些函数可以在对数组进行操作和处理时极大地提高编程效率。需要注意的是，这里介绍的还只是 Python 数组操作中的冰山一角，Python 中还有大量的数组处理函数值得我们去学习和使用。