创建ndarray对象的方式有若干种，其中最简单的方式就是使用array()函数，在调用该函数时传入一个Python现有的类型即可，比如列表、元组。例如，通过array()函数分别创建一个一维数组和二维数组，具体代码如下。
In [9]: import numpy as np
In [10]: data1 = np.array([1, 2, 3]) # 创建一个一维数组
In [11]: data1
Out[11]: array([1, 2, 3])
In [12]: data2 = np.array([[1, 2, 3], [4, 5, 6]]) # 创建一个二维数组
In [13]: data2
Out[13]:
array([[1, 2, 3],
[4, 5, 6]])除了可以使用array()函数创建ndarray对象外，还有其他创建数组的方式，具体分为以下几种：
(1) 通过zeros()函数创建元素值都是0的数组，示例代码如下。
In [14]: np.zeros((3, 4))
Out[14]:
array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])(2) 通过调用ones()函数创建元素值都为1的数组，示例代码如下。
In [15]: np.ones((3, 4))
Out[15]:
array([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])(3) 通过empty()函数创建一个新的数组，该数组只分配了内存空间，它里面填充的元素都是随机的，且数据类型默认为float64，示例代码如下。
In [16]: np.empty((5, 2))
Out[16]:
array([[-2.00000000e+000, -2.00390463e+000],
[ 2.37663529e-312, 2.56761491e-312],
[ 8.48798317e-313, 9.33678148e-313],
[ 8.70018275e-313, 2.12199581e-314],
[ 0.00000000e+000, 6.95335581e-309]])(4) 通过arange()函数可以创建一个等差数组，它的功能类似于range()，只不过arange()函数返回的结果是数组，而不是列表，示例代码如下。
In [17]: np.arange(1, 20, 5)
Out[17]: array([ 1, 6, 11, 16])大家可能注意到，有些数组元素的后面会跟着一个小数点，而有些元素后面没有，比如1和1.，产生这种现象，主要是因为元素的数据类型不同所导致的。
值得一提的是，在创建ndarray对象时，我们可以显式地声明数组元素的类型，示例代码如下。
In [18]: np.array([1, 2, 3, 4], float)
Out[18]: array([1., 2., 3., 4.])
In [19]: np.ones((2, 3), dtype='float64')
Out[19]:
array([[1., 1., 1.],
[1., 1., 1.]])