参见
Array creation routines
创建数组的一般机制有5种：
从其他Python结构（如列表、元组）转换
内部numpy数组创建对象（例如，arange、one、zero等）
从磁盘读取阵列，可以是标准格式，也可以是自定义格式
通过使用字符串或缓冲区从原始字节创建数组
特殊库功能的使用（如随机）
本节将不介绍复制、连接或以其他方式扩展或改变现有阵列的方法。它也不包括创建对象数组或结构化数组。这两个部分都包含在各自的章节中。
通常，在python中，以类似数组的结构排列的数字数据可以通过使用array（）函数转换为数组。最明显的例子是列表和元组。有关其使用的详细信息，请参阅array（）的文档。有些对象可能支持数组协议，并允许以这种方式转换到数组。使用array（）来确定对象是否可以转换为numpy数组的一个简单方法就是交互地尝试它，看看它是否有效！（ Python 的方式）。
例子：：
>>> x = np.array([2,3,1,0]) >>> x = np.array([2, 3, 1, 0]) >>> x = np.array([[1,2.0],[0,0],(1+1j,3.)]) # note mix of tuple and lists, and types >>> x = np.array([[ 1.+0.j, 2.+0.j], [ 0.+0.j, 0.+0.j], [ 1.+1.j, 3.+0.j]])
numpy有内置的函数，可以从头创建数组：
零（形状）将创建一个用指定形状填充0值的数组。默认的数据类型是float64。：：
>>> np.zeros((2, 3)) array([[ 0., 0., 0.], [ 0., 0., 0.]])
一个（形状）将创建一个由1个值填充的数组。它在所有其他方面都与零相同。
arange（）将创建具有规则递增值的数组。请检查docstring以获取有关其各种使用方法的完整信息。这里将给出几个例子：：
>>> np.arange(10) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> np.arange(2, 10, dtype=float) array([ 2., 3., 4., 5., 6., 7., 8., 9.]) >>> np.arange(2, 3, 0.1) array([ 2. , 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9])
注意，对于用户应该知道的最后一次使用，有一些微妙的地方在arange docstring中描述。
linspace（）将创建具有指定数量元素的数组，并在指定的开始值和结束值之间等距分布。例如：
>>> np.linspace(1., 4., 6) array([ 1. , 1.6, 2.2, 2.8, 3.4, 4. ])
这个创建函数的优点是可以保证元素的数量以及开始和结束点，而arange（）通常不会对任意的开始、停止和步骤值执行此操作。
indexs（）将创建一组数组（堆叠为一个更高维度的数组），每个维度一个数组，每个数组表示该维度中的变量。一个例子说明了比口头描述好得多：：：
>>> np.indices((3,3)) array([[[0, 0, 0], [1, 1, 1], [2, 2, 2]], [[0, 1, 2], [0, 1, 2], [0, 1, 2]]])
这对于在规则网格上评估多个维度的函数特别有用。
这可能是创建大型数组最常见的情况。当然，细节在很大程度上取决于磁盘上数据的格式，因此本节只能给出如何处理各种格式的一般性指针。
各种字段都有数组数据的标准格式。下面列出了具有已知的python库来读取它们并返回numpy数组的那些库（可能还有其他库可以读取并转换为numpy数组，因此请检查最后一节）：：
HDF5: h5py FITS: Astropy
不能直接读取但不难转换的格式示例是PIL等库支持的格式（能够读取和写入许多图像格式，如JPG、PNG等）。
逗号分隔值文件（comma-separated value files，csv）被广泛使用（也是Excel等程序的导出和导入选项）。在python中有许多方法可以读取这些文件。python中有csv函数，pylab中有函数（matplotlib的一部分）。
使用scipy中的IO包可以读取更多通用的ASCII文件。
我们可以使用多种方法。如果文件的格式相对简单，那么可以编写一个简单的I/O库，并使用numpy fromfile（）函数和.to file（）方法直接读取和写入numpy数组（注意字节顺序！）如果一个好的C或C++库存在读取数据，则可以用多种技术来封装该库，尽管这肯定是更为有用的工作，并且需要更高级的知识来与C或C++接口。
有些库可用于生成特殊用途的数组，因此无法枚举所有这些库。最常见的用途是使用可以生成随机值数组的多个随机数组生成函数，以及一些用于生成特殊矩阵（例如对角线）的实用函数。