如何使用 NumPy 快速创建指定形状且元素全为 2 的数组_网络技术

发布时间 - 2026-02-02 00:00:00 点击率：次

本文介绍在 numpy 中高效生*为数字 2 的多维数组的推荐方法，重点讲解 `np.full()` 函数的用法，并对比其他可行方案，帮助开发者避免冗余操作。

NumPy 提供了多种初始化数组的函数，如 np.zeros()、np.ones() 和 np.empty()，但若需填充任意指定值（例如全为 2），最直接、语义最清晰的方式是使用 np.full()。

np.full() 专为创建“填充值统一”的数组而设计，语法简洁、性能优异，且支持显式指定数据类型和形状：

import numpy as np

# 创建 4×5 的二维数组，所有元素均为 int 类型的 2
arr = np.full((4, 5), fill_value=2, dtype=int)
print(arr)

输出：

[[2 2 2 2 2]
 [2 2 2 2 2]
 [2 2 2 2 2]
 [2 2 2 2 2]]

? 注意：np.full() 的第一个参数可直接传入形状元组（如 (4, 5)），无需先创建一维再 reshape()，代码更直观、内存更友好。

基于 np.ones() 改造（如提问中所示）：
```
arr = (np.ones((4, 5), dtype=int) * 2)  # 可行，但引入了多余乘法运算
```
虽然能实现目标，但本质是先分配内存填 1，再逐元素乘 2，效率低于直接填充。
使用 np.full_like()（适用于已有数组结构参考）：
```
template = np.zeros((4, 5))
arr = np.full_like(template, 2, dtype=int)
```
适合需复用某数组形状与 dtype 的场景，但无模板时反而画蛇添足。

dtype 参数建议显式指定（如 int、float32），避免默认推断导致意外类型（例如 np.full((3,), 2) 默认返回 float64 数组）。
若需创建高维或大尺寸数组，np.full() 内部采用优
化的 C 层填充逻辑，比 np.ones() * value 或列表推导 + np.array() 更快、更省内存。

对于“创建全为某值的 NumPy 数组”这一常见需求，应优先选用 np.full(shape, fill_value, dtype=...) —— 它语义明确、性能最优、代码可读性强，是 NumPy 官方推荐的标准实践。