np.array(100)

当我们使用`np.array(100)`这个代码时，它会创建一个只包含一个元素的NumPy数组，该元素的值为100。

具体来说，`np.array(100)`的返回值是一个形状为`()（即空括号）`的一维数组，包含一个值为100的元素。我们可以通过以下代码来验证：

import numpy as np

# 创建一个只包含一个元素的NumPy数组
arr = np.array(100)

# 输出数组的类型、形状和元素
print(type(arr))  # <class 'numpy.ndarray'>
print(arr.shape)  # ()
print(arr[0])     # 100

在这个代码中，我们首先使用`np.array`函数创建了一个只包含一个元素的NumPy数组`arr`。然后，我们使用`type`函数输出了`arr`的类型，结果为`<class 'numpy.ndarray'>`，说明`arr`是一个NumPy数组。接下来，我们使用`arr.shape`输出了数组的形状，结果为`()（即空括号）`，表示该数组只有一个元素。最后，我们使用`arr[0]`输出了数组中的元素，结果为100。

需要注意的是，如果我们想创建一个形状为`(1,)`的一维数组，并且元素的值为100，应该使用`np.array([100])`这个代码。这个代码会创建一个包含一个元素的一维数组，该元素的值为100。

相关问题

np.array与np.ndarry

np.array()和np.ndarray()都是用于创建NumPy数组的函数，但它们有一些细微的区别。

首先，np.array()是一个函数，用于将输入转换为NumPy数组。它可以接受任何序列型的输入，包括元组、列表和数组。np.array()还可以指定创建的数组的数据类型，默认情况下根据输入的数据类型进行推断。简单示例中的arr01和arr02都是通过np.array()函数创建的，其中arr01的数据类型是int32，arr02的数据类型是float64。

而np.ndarray()是一个类，用于创建NumPy数组对象。与np.array()不同，np.ndarray()需要提供一个shape参数来指定数组的形状，还可以指定数据类型。np.ndarray()还可以通过dtype参数指定数组的数据类型。

另外，np.asarray()和np.array()在功能上是相似的，都可以用于创建NumPy数组。但是，np.asarray()函数返回一个输入数组的视图（view），如果输入数组已经是一个NumPy数组，则不会创建新的数组对象。而np.array()函数总是返回一个新的数组对象。

综上所述，np.array()和np.ndarray()都可以用于创建NumPy数组，但它们的用法和功能略有不同。np.array()是一个函数，用于将输入转换为数组，而np.ndarray()是一个类，用于创建数组对象。np.asarray()函数与np.array()函数相似，但返回的是输入数组的视图。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [Numpy.array()详解 、np.array与np.asarray辨析、 np.array和np.ndarry的区别](https://blog.csdn.net/sinat_28576553/article/details/89047893)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]

np.array与np.matrix

np.array和np.matrix都是numpy库中用于表示矩阵的数据结构。它们的主要区别在于，np.array可以表示任意维度的数组，而np.matrix只能表示二维矩阵。

具体来说，np.array是一个通用的多维数组对象，可以包含任意类型的元素。它可以用于执行各种数学操作和函数，支持向量化操作，更灵活地处理数据。

而np.matrix是np.array的一个子类，它在进行矩阵运算时提供了更方便的语法和功能。np.matrix对象始终是二维的，并且在进行矩阵乘法等操作时会自动进行矩阵运算。然而，由于np.matrix的限制，它在一些情况下可能不如np.array灵活。

在实际应用中，推荐使用np.array来表示和处理多维数组，因为它更加通用和灵活。