3.1 五种常用创建路径对比

3.1 五种常用创建路径对比

本节摘要：按需求分四类梳理 ndarray 的创建路径——数值已知用 array、占位填充用 zeros 与 ones、等差序列用 arange 与 linspace、随机模拟用 random 包，加上读文件载入共五条路。每条路的默认 dtype 与内存行为不同，创建时显式声明 dtype 是最便宜的保险。附决策表与 empty 的代价说明。

先想清楚你站在哪类需求前

写代码时最忌"逢创建就 array(列表)"。把需求分清楚，函数自然就选出来了：

import numpy as np

# 需求一：数值已经在手里（Python 列表、元组、范围）
a = np.array([1, 2, 3], dtype=np.float64)
print(a, a.dtype)   # [1. 2. 3.] float64

# 需求二：先占位，稍后填充（初始化矩阵、累加缓冲）
z = np.zeros((2, 3))            # 默认 float64
o = np.ones((3, 2), dtype=np.int32)
print(z.dtype, o.dtype)         # float64 int32

# 需求三：等差序列（坐标轴、索引、采样点）
r = np.arange(0, 10, 2)         # 起点 终点(不含) 步长
l = np.linspace(0, 1, 5)        # 起点 终点(含) 个数
print(r)   # [0 2 4 6 8]
print(l)   # [0.   0.25 0.5  0.75 1.  ]

# 需求四：随机数据（模拟、测试、初始化权重）
rng = np.random.default_rng(seed=42)
m = rng.random((2, 2))          # 0到1均匀分布
print(m.round(3))
# [[0.774 0.44 ]
#  [0.858 0.697]]
​

五条路里最值得展开的是第二条：占位家族不止 zeros 与 ones。

占位家族的行为差异

import numpy as np

# zeros：分配后逐字节清零，内容确定
z = np.zeros((2, 2))
print(z)   # 全 0

# empty：只分配不清零，内容是内存里的残留值
e = np.empty((2, 2))
print(e)   # 输出不可预测，可能是 0，也可能是奇怪的旧值
# 例如：[[6.9e-310 6.9e-310] [0.0 0.0]]

# full：统一填同一个值，做掩码初值很常用
f = np.full((2, 3), -1, dtype=np.int16)
print(f)
# [[-1 -1 -1]
#  [-1 -1 -1]]

# zeros_like / ones_like / empty_like：照抄另一个数组的形状与类型
ref = np.zeros((2, 2), dtype=np.float32)
g = np.ones_like(ref)
print(g.dtype)   # float32，形状类型一并继承
​

empty 比 zeros 略快，因为它跳过清零。但注意：省的只是初始化那一步，通常只占数组生命周期成本的一小部分。除非在循环里频繁开小数组，否则没必要为这点速度引入"内容不确定"的风险。真实案例：有人用 empty 后忘了完全填充，残留值恰好长得很像合法数据，模型训练许久才暴露异常。我的建议——empty 只在"立即全部覆写"的场合使用。

创建路径决策表

默认 dtype 的平台陷阱

array 与 zeros 不写 dtype 时的默认类型，随平台和输入变：

import numpy as np

print(np.array([1, 2]).dtype)        # int64（Linux/macOS）
print(np.array([1.0, 2]).dtype)      # float64，整数被提升
print(np.zeros(3).dtype)             # float64

# Windows 上整数默认是 int32，同一份代码两端行为不同
# 显式声明是最便宜的跨平台保险：
safe = np.zeros(3, dtype=np.int64)
​

混合类型的列表会被"就高不就低"地统一，Python 整数超范围时甚至直接跳 object。array 的类型推断是方便，不是承诺——数据要长期保存或参与精确控制内存的程序，一律显式声明 dtype。

💡 关键直觉：创建函数之间的差别不在"能不能造出数组"，而在初始化策略与默认 dtype。选函数 = 选初始化策略；写 dtype = 选内存宽度。这两件事在创建那一刻定下，后面改起来都要付拷贝的代价（见下一节 astype）。

练习：用创建函数拼一个数据表

把四条路串起来用一遍，加深"按需求选函数"的肌肉记忆。背景：构造一张模拟成绩表——学号是等差序列、分数是正态随机、及格线是一列常量。

操作：

import numpy as np

rng = np.random.default_rng(21)

ids = np.arange(1001, 1021)                     # 需求三：等差学号
scores = rng.normal(72, 10, size=20).clip(0, 100)  # 需求四：随机分数
pass_line = np.full(20, 60)                     # 需求二：常量列

table = np.column_stack([ids, scores.round(1), pass_line])
print(table[:4])
# [[1001.  71.3  60. ]
#  [1002.  65.2  60. ]
#  [1003.  84.9  60. ]
#  [1004.  58.6  60. ]]
print("及格率:", (scores >= 60).mean().round(3))   # 输出示例：0.85
​

结果与解读：四类创建函数各司其职，column_stack（第 8 章细讲）把它们拼成一张表。如果最开始用 array 从嵌套列表转换，就得先在 Python 层造 20 行数据——既慢又违背"占位加填充"的思路。变式：把 pass_line 换成 np.zeros(20) 记录缺考标记，配合第 4 章的掩码即可做补考名单筛选。

本节要点回顾

• 四类需求四条路：已知数值用 array；占位用 zeros/ones/full；等差用 arange/linspace；随机用 Generator
• empty 有代价：不清零所以快一点，但残留值可能伪装成数据，只用于立即全量覆写
• like 家族：zeros_like 等照抄形状与 dtype，改代码时不易失配
• 显式 dtype：默认类型随平台变（Windows 整数 int32），跨平台代码必须声明
• 转换成本：array 从列表转换要逐元素拆装箱，大列表慢且吃内存，数据量大时考虑后面章节的文件直读

下一节深入 dtype 体系：类型怎么命名、字宽如何取舍、astype 转型什么时候会静默丢数据。