3种方法：
 
（1）利用索引生成数组；
 
（2）利用函数（randn、ones和zeros）生成数组
 
（3）利用cat函数生成多维数组
 

 
 
（1）索引法
 


>> A = rand(3)      %创建3阶随机数组

A =

    0.9649    0.9572    0.1419
    0.1576    0.4854    0.4218
    0.9706    0.8003    0.9157

 （2）利用函数（randn、ones和zeros）生成数组
 
randn()利用随机正态分布randn函数创建多维数组
 

>> A = randn(3,4)         %创建3行4列的多维数组

A =

   -1.1480    2.5855   -0.0825   -1.7947
    0.1049   -0.6669   -1.9330    0.8404
    0.7223    0.1873   -0.4390   -0.8880
 
        2. ones()
 

 
 

>> A = ones(3,4)

A =

     1     1     1     1
     1     1     1     1
     1     1     1     1

          3. zeros()
 

 
 

>> A = zeros(3,4)

A =

     0     0     0     0
     0     0     0     0
     0     0     0     0

 （3） 利用cat函数生成数组
 
cat（dim，A1，A2，...）将一系列的数组沿特定的维连接成一个数组
 
 
A1，A2，...为要连接的数组，dim为连接到第几维
 

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，
支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
今天就针对多维数组展开来写博客
numpy其一部分功能如下：
1.ndarray，是具有矢量算术运算且节省空间的多维数组。
2.可以用于对整组的数据快速进行运算的辨准数学函数。
3.能够用于读写磁盘数据的工具以及用于操作系统内存映射的工具。

NumPy它本身其实没有提供很高级别的数据分析功能，NumPy之于数值计算特别重要的原因之一，
就是因为它能够高效的处理大数组的数据。
这是因为：
1.NumPy是在一个连续的内存块中存储数据，独立于其他的Python内置对象。
2.NumPy可以在整个数组上执行复杂的计算，而不需要Python的for循环。
NumPy的ndarray：一种多维数组对象

对数组进行数学运算

可以看到data的值实际是没有改变的，输出的结果只是临时结果而已。
ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。
每个数组都有一个shape（形状）和一个dtype（数据类型）。
查看ndarray的shape和dtype：

创建ndarray
创建数组最简单的办法就是使用array函数。
它接受一切序列型的对象（包括其它数组），然后产生一个新的含有传入数据的NumPy数组。

除np.array之外，还有一些函数也可以新建数组。
比如，zero和ones分别可以创建指定长度或形状的全0或全1数组。
empty可以用来创建一个没有任何具体指的数组。
要用这些方法创建多维数组，只需要传入一个表示形状的元组即可：

arange是Python内置函数range的数组版：

以下是一些数组创建函数。
由于NumPy关注的是数值计算
因此，如果没有特别指定，数据类型基本都是float64（浮点数）。

通过astype转变一个数组的dtype
如果将浮点数转换成整数，则小数部分将会被截除。
如果某字符串数组表示的全是数字，也可以用astype将其转换为数值形式。
调用astype总会创建一个新的数组（一个数据的备份），即使新的dtype与旧的dtype相同。

NumPy 创建多维数组
 
arange 函数创建的数组作为列表元素，把这个列表作为参数传给 array 函数，从而创建了一个 2 × 2 的数组，而且没有出现任何报错信息。
 
Example 1
 
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Yongqiang Cheng

from __future__ import absolute_import
from __future__ import print_function
from __future__ import division

import os
import sys

sys.path.append(os.path.dirname(os.path.abspath(__file__)) + '/..')
current_directory = os.path.dirname(os.path.abspath(__file__))

import numpy as np
# import tensorflow as tf
import cv2
import time

print(16 * "++--")
print("current_directory:", current_directory)

# Beginning with NumPy fundamentals
#
# Demonstrates the dtype and shape attributes of ndarray.

m = np.array([np.arange(2), np.arange(2)])

print("In: m")
print(m)
# Out:
# array([[0, 1],
#       [0, 1]])
print()

print("In: m.shape")
print(m.shape)
# Out: (2, 2)
print()

print("In: m.dtype")
print(m.dtype)
# Out: dtype('int64')
 
 
/usr/bin/python2.7 /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow/yongqiang.py --gpu=0
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
current_directory: /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow
In: m
[[0 1]
 [0 1]]

In: m.shape
(2, 2)

In: m.dtype
int64

Process finished with exit code 0
 
array 函数可以依据给定的对象生成数组。给定的对象应是类数组，如 Python 中的列表。在上面的例子中，我们传给 array 函数的对象是一个 NumPy 数组的列表。像这样的类数组对象是 array 函数的唯一必要参数，其余的诸多参数均为有默认值的可选参数。
 
Example 2
 
strong@foreverstrong:~$ python
Python 2.7.12 (default, Nov 20 2017, 18:23:56) 
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> m = np.array([np.arange(2), np.arange(2)])
>>> m
array([[0, 1],
       [0, 1]])
>>> m.shape
(2, 2)
>>> m.dtype
dtype('int64')
>>> exit()
strong@foreverstrong:~$
 
references
 [1] (印尼) Ivan Idris (伊德里斯) 著, 张驭宇 译. Python数据分析基础教程：NumPy学习指南 (第2版) [M]. 北京:人民邮电出版社, 2014. 1-226
  
 

立即学习:https://edu.csdn.net/course/play/24708/278804?utm_source=blogtoedu
 
怎么判断矩阵的维数？  MATLAB是有二维数组合成多为数组
 
 一个三维数组由行、列和页三维组成，其中每一页包含一个由行和列构成的二维数组。
 
A=[1 2 3;4 5 6;7 8 9]
 
A =
 
     1     2     3
      4     5     6
      7     8     9
 
rank(A)     
 
ans =
 
     2
 
//或者
 
ndims(A)
 
ans =
 
     2
 
用于查看矩阵的维数
 
 
 
多维数组（2维以上）创建方法
 
1  用索引生成多维数组
 
A=[5 3 4;3 4 5;6 4 2];      创建一个二维数组扩展
 
A(:,:,2)=[1 2 3 ;3 4 5 ; 4 2 4];       注：冒号代表所有
 
A(:,:,3)=5;  
 
上面的代码先生成一个二维数组作为三维数组的第一页，然后通过数组直接索引，添加第二页、第三页。
 
size(A) 
 
3*3*3     的3维数组
 
继续扩展
 
A (:,:,1,2)=[1 2 3 ; 3 4 5; 2 4 5];
 
A(:,:,2,2)=[ 2 3 4; 2 3 4; 3 2 4;];
 
size(A)   3*3*3*2  的4维数组
 
2  利用标准数组函数创建多维数组
 
A=zeros(4,3,2) 生成一个4行3列2页的三维全0数组，ones，rand和randn等函数有相似的用法
 
A=ones (3,3,2)
 
B=rand(2,4,3)   均匀分布
 
randn(2,4,3)     正态分布
 
C=repmat (3,[2,4,3])  //   C=repmat(3,size(B))
 
关于  repmat  函数
 
A=ones(3,6)
 
repmat(A,[1 1 3])      % repmat写出类似reshape的repmat(C,1,1,3)将显示出错
 
注意：repmat是通过数组复制创建多维数组的，上面的代码即是将数组C在行维和列维分别复制一次，然后再页维复制三次得到3×6×3的三维数组。
 
 
 
 
 
3  用  cat 函数生成多维数组
 
 
 
B=cat (3,[2 4;2 3],[2 1;3 4])
 
size(B)
 
 
a=zeros(2);
 
b=ones(2);
 
c=repmat(2,2,2);
 
D=cat(3,a,b,c)%创建三维数组
 
D=cat(4,a,b,c)  %创建4维数组
 
D(:,1,:,:)      %查看第一列的数据。
 
size(D)     %可以知道数组D的具体维数。