在Python的数据科学世界里，Numpy是处理数值计算的核心工具，尤其是数组操作。如果你刚开始接触Numpy，学会几个基础又常用的函数会让你事半功倍。今天我们就来重点学习两个最基础的Numpy函数：arange和zeros，它们能帮你快速创建数值数组，是后续学习更复杂Numpy操作的基石。
Numpy是什么？¶
简单来说，Numpy提供了高效的多维数组对象和数学函数，能让你像操作列表一样处理大量数据，但速度更快、功能更强。对于数据分析、机器学习等任务，数组操作是基础，而arange和zeros是入门必学的工具。
一、arange：快速生成有序数组¶
作用¶
arange函数可以生成一个有规律的有序数组，类似于Python内置的range函数，但返回的是Numpy数组（更适合数值计算）。
语法¶
numpy.arange([start, ]stop, [step, ]dtype=None)
- start：数组的起始值，默认为
0（包含在数组中）。 - stop：数组的结束值（不包含在数组中），是必须参数。
- step：相邻两个元素的间隔（步长），默认为
1。 - dtype：数组的数据类型（如
int、float等），默认根据输入自动推断。
常用示例¶
- 默认参数（start=0，step=1）
如果只给stop参数，会从0开始，步长1，到stop-1结束：
import numpy as np
arr = np.arange(5) # start=0, step=1, stop=5
print(arr) # 输出：[0 1 2 3 4]
- 指定start和step
如果你想自定义起始值和步长：
arr = np.arange(2, 10, 2) # start=2, step=2, stop=10
print(arr) # 输出：[2 4 6 8]
注意：stop是结束条件（不包含），所以10不会被包含，最后一个元素是8。
- 指定数据类型
如果需要整数数组，可以用dtype=int：
arr = np.arange(0, 6, 1, dtype=int) # 显式指定整数类型
print(arr) # 输出：[0 1 2 3 4 5]
注意事项¶
- stop不包含：
np.arange(0, 5)生成0-4，而不是0-5。 - 步长为小数时的精度问题：如果
step是小数（如0.1），可能因浮点数精度导致结果偏差，建议尽量用整数步长。
二、zeros：快速生成全0数组¶
作用¶
zeros函数可以生成一个所有元素都是0的数组，常用于初始化矩阵、填充占位符等场景。
语法¶
numpy.zeros(shape, dtype=float, order='C')
- shape：数组的形状（必填），可以是整数（表示一维数组长度）或元组（表示多维数组形状）。
- dtype：数组的数据类型，默认为
float（浮点数），也可指定int（整数）。 - order：内存中数组的存储顺序（行优先
C或列优先F），对初学者无需关注，默认C。
常用示例¶
- 一维数组（shape为整数）
生成长度为n的全0数组：
arr = np.zeros(5) # shape=5，表示一维数组，长度5
print(arr) # 输出：[0. 0. 0. 0. 0.] # 默认是float类型
- 二维数组（shape为元组）
生成m行n列的二维全0数组：
arr = np.zeros((2, 3)) # shape=(2,3)，2行3列
print(arr)
# 输出：
# [[0. 0. 0.]
# [0. 0. 0.]]
- 指定整数类型的0数组
如果需要整数类型的0数组（而非默认的浮点数），用dtype=int：
arr = np.zeros(3, dtype=int) # 一维，3个元素，整数0
print(arr) # 输出：[0 0 0]
注意事项¶
- shape参数必须明确：一维数组可直接传整数（如
5），多维数组必须传元组（如(2,3)）。 - 默认浮点数：
zeros默认生成float64类型数组，如果需要整数0，一定要指定dtype=int。
总结¶
arange帮你快速生成有序的数值数组（类似列表但更高效），zeros帮你快速初始化全0数组（常用于矩阵或占位）。这两个函数是Numpy入门的“刚需”，掌握它们能让你在后续处理数据时事半功倍。
后续可以继续学习ones（全1数组）、linspace（均匀分布数组）等进阶函数，逐步构建你的Numpy技能体系。
小练习：尝试用arange生成[3, 6, 9, 12]，用zeros生成一个4行5列的整数0数组，看看结果是否正确~