由于图中x轴和y轴的数据通常是数组格式的数据，因此首先总结了如何初始化数组：

(1)list得到数组

#list对象通过array函数传输
L=[1，2，3，4，5]
a=np.array(L)

#如果list传输多层嵌套，将创建多维数组
b=np.array([1，2，3，4]，[5，6，7，8]，[9，10，11，12]]

#创建dtype参数时，可以指定元素类型
d=np.array([1，2，3，4]，[5，6，7，8]，[9，10，11，12]，dtype=np.float)
#如果元素类型发生变化，astype可以安全转换
f=d.astype(np.int)

(2)使用arange

#类似于Python的range，arange也不包括最终值；但是arange可以生成浮点类型，而range只能是整数类型
#1为开始值，10为终止值(不包括)，0.5为步长，0.5为步长
a=np.arange(1,10,0.5)

相关推荐:Python基础教程

(3)使用ones、zeros、empty

#np.ones(shape,dtype),所有生成元素均为1(默认浮点型)的数组
#shape可以为一个整数获得一个一维数组，也可以为(整数1、整数2)的格式获得二维数组，也可以获得多维数组
a=np.ones((3,3),dtype=np.int32)
print("a:\n",a)

#np.zeros(shape,dtype),所有生成元素均为0(默认浮点型)的数组
#用法与np.noes()一样
b=np.zeros((3,3),dtype=np.int32)
print("b:\n",b)

#np.empty(shape,dtype),生成元素是随机数(默认浮点类型)的数组
#用法与np.ones()一样
c=np.empty((3,4),dtype=np.int32)
print("c:\n",c)

#np.ones()、np.zeros()、np.empty()复制结构相同的数组有以下形式，但可以选择数据类型
np.ones_like(array,dtype=)
np.zeros_like(array,dtype=)
np.empty_like(array,dtype=)

(4)等差数列

#linspace函数通过指定起始值、终止值和元素数创建等差数组，元素之间等步长
#默认情况下，endpoint表示是否包含终止值
b=np.linspace(1,10,10，endpoint=True)

(5)等比数列

#创建指定起始值、终止值、元素数量和基数的等比列
#base表示基数，在1到4之间创建了10个等比数列
d=np.logspace(1,2,10,endpoint=True,base=2)
#基数为10，下公式创建了10到100之间的等比数
d=np.logspace(1,2,10,endpoint=True,base=10)

（6）随机数

rand()

#返回服从“0~1”均匀分布的随机数，也可返回服从“0~1”均匀分布的随机数组。
#np.random.rand(d0，d1，..，dn)
#在[0，1)内返回一个随机值
In[15]:np.random.rand()
Out[15]:0.9027797355532956
#返回3x3数组，数组元素在[0，1)内
In[16]:np.random.rand(3,3)
Out[16]:
array([0.47507608，0.6425621，0.926529]，
[0.95028412，0.18413813，0.9187723]，
[0.89995217,0.42356103，0.81312942]
In[17]:np.random.rand(3,3,3)

#返回3x3x3数组
Out[17]:
array([0.30295904，0.76346848，0.3125168]，
[0.77845927，0.75020602，0.8470385]，
[0.232971，0.6596263，0.9329286]，
[0.24575304，0.9019242，0.62390674]
[0.43663215,0.93187574,0.75302239],
[0.62658734，0.01582182，0.6478944]
[0.22152418，0.51664503，0.419781]，
[0.472318，0.192485，0.299988]，
[0.166451，0.6671804，0.3983648]]

randn()

#用法与rand(d0，d1，产生标准正态分布的随机数或随机数组，dn)方法一样
np.random.randn(d0，d1，..，dn)

randint()

#它可以生成随机数或多维随机数组
#np.random.randint(low,high=None,size=None,dtype=)
#[0，4)随机数之间的随机数
In[7]:np.random.randint(4)
Out[7]:1
#[0，4)之间的一维数组
In[8]:np.random.randint(4,size=4)
Out[8]:array(2，2，2，0]
#一维数组之间的[4，10)
In[9]:np.random.randint(4,10,size=6)
Out[9]:array(7、9、7、8、6、9)
#2x2数组之间的[4，10)
np.random.randint(4,10,size=(2,2),dtype='int32')
Out[10]:
array([7，4]，[6，9]])

uniform()

#产生[low,high)随机数或随机数组均匀分布，low默认为0.0，high默认为1.0
np.random.uniform(low=0.0,high=1.0,size=None)

normal()

#均值为loc，方差为scale服从正太分布的随机数或随机数组，loc默认为0，scale默认为1
np.random.normal(loc=0.0,scale=1.0,size=None)