NumPy（Numerical Python）是Python科学计算领域的核心库。它提供了强大的多维数组对象，以及用于处理这些数组的工具。在数据科学、机器学习和工程计算中经常需要创建特定形状和数据类型的数组。本文将重点介绍 NumPy 中一个基础且极其重要的函数：numpy.zeros()。
文章目录
一、函数简介
numpy.zeros() 函数用于创建一个指定形状（shape）和数据类型（dtype）的新的 NumPy 数组，并用零填充该数组的每一个元素。
在需要初始化矩阵或张量、作为累加器的起始值，或在分配内存以供后续计算时，这个函数都非常实用。
📖它和zeros_like()函数的比较见NumPy zeros_like() 函数详解
官方函数解析numpy.zeros
二、参数详解
numpy.zeros() 的基本函数签名如下：
python
numpy.zeros(shape, dtype=float, order='C', *, like=None)参数解析
shape(必须) :- 定义新数组的维度。
- 可以是一个整数（表示一维数组的大小），也可以是一个整数元组（例如
(rows, columns)表示二维数组，或(d1, d2, d3)表示三维数组）。
dtype(可选，默认为float64) :- 定义数组中元素的数据类型，例如
int（整数）、float（浮点数）、complex（复数）等。 - 通常使用
np.int32、np.float64或简单地使用 Python 的int、float。
- 定义数组中元素的数据类型，例如
order(可选，默认为'C') :- 指定数组在内存中的存储顺序。
'C'表示行主序（C 语言风格），即最后一个轴变化最快。'F'表示列主序（Fortran 风格），即第一个轴变化最快。
like(可选) :- （NumPy 1.20.0 版本新增）允许创建一个与给定对象具有相同属性（如
shape和dtype）的数组，但使用零填充。
- （NumPy 1.20.0 版本新增）允许创建一个与给定对象具有相同属性（如
三、相关示例
示例 1：创建一维数组
创建一个包含 5 个元素的零数组，默认数据类型为浮点数：
python
import numpy as np
# 创建一个包含 5 个浮点数 0 的一维数组
arr1 = np.zeros(5)
print(arr1)
print(f"数据类型：{arr1.dtype}")
# 输出: [0. 0. 0. 0. 0.]
# 数据类型：float64示例 2：创建二维数组
创建一个 3 行 4 列的二维数组，并指定数据类型为整数：
python
# 创建一个 3x4 的整数零矩阵
arr2 = np.zeros((3, 4), dtype=int)
print(arr2)
print(f"数据类型：{arr2.dtype}")
# 输出:
# [[0 0 0 0]
# [0 0 0 0]
# [0 0 0 0]]
# 数据类型：int64 (或根据平台可能是 int32)示例 3：创建三维数组
创建一个 2x3x2 的三维数组（例如，2 个 3x2 的切片）：
python
# 创建一个 2x3x2 的三维数组
arr3 = np.zeros((2, 3, 2))
print(arr3)
print(f"维度：{arr3.shape}")
# 输出:
# [[[0. 0.]
# [0. 0.]
# [0. 0.]]
#
# [[0. 0.]
# [0. 0.]
# [0. 0.]]]
# 维度：(2, 3, 2)示例 4：使用不同的数据类型
创建包含 32 位浮点数（更节省内存）的数组：
python
# 指定 dtype 为 float32
arr4 = np.zeros((2, 2), dtype=np.float32)
print(arr4)
print(f"数据类型：{arr4.dtype}")
# 数据类型：float32四、zeros() 与 empty() 的区别
在 NumPy 中，另一个用于创建新数组的函数是 numpy.empty()。了解两者之间的关键区别至关重要：
| 特性 | numpy.zeros(shape) |
numpy.empty(shape) |
|---|---|---|
| 元素值 | 保证所有元素都被初始化为 零。 | 元素值是未初始化的（可能包含内存中已有的随机值）。 |
| 速度 | 略慢，因为它必须写入所有的零。 | 极快，因为它跳过了初始化元素的步骤。 |
| 用途 | 需要一个干净、零值数组作为起点时。 | 当确定会立即用有意义的值覆盖数组的全部内容时，用于性能优化。 |
除非是在处理对性能极其敏感的场景，并且非常确定会完全覆盖数组，否则通常建议使用
np.zeros()，因为它更安全、更可预测。