在 Scipy 文档中写道：
函数 zeros 创建一个全为 0 的数组，函数 one 创建一个全为 1 的数组，函数 empty 创建一个初始内容是随机的且取决于内存状态的数组。默认情况下，创建的数组的dtype是float64。
所以我运行了这段代码：
import numpy as np
np.empty((1,2))
它的回报：
array([[ 6.92892901e-310, 8.42664136e-317]])
所以它返回一个随机数，一切都很好。
但是，当我第二次（在那个 shell 中）运行该代码时，它返回一个零数组！
np.empty((1,2))
array([[ 0., 0.]])
问题来了，为什么第二次返回零数组（而不是随机数）？
【问题讨论】：
标签： python arrays numpy scipy ipython
在这种情况下，文档的措辞似乎有点不幸。从适当的随机数生成器的意义上讲，它们并不意味着随机。如果您需要后者，您可以使用numpy.random 或scipy.stats 中的功能之一。
描述numpy.empty 一个更好的词将是“未定义”，这意味着用户不能对返回数组中最初的值做出任何假设。如果您知道无论如何都会覆盖其内容，empty 是创建数组的最便宜的方法。计算机只会为您获取一些内存。如果该内存尚未在该会话中使用，它可能会显得随机。但是您的计算机也会回收内存。
我不得不承认我真的不知道回收的内存是什么样的，但有两种可能
这两种可能性都可以解释你所看到的。
【讨论】：
这不是随机的，它取决于您的计算机在请求数组空间时给NumPy 的内存字节中保存的内容。如果其中有除零以外的其他内容，则这些内容将使用请求的 dtype 进行解释（看似随机，但更好的词是不可预测的）。
在您的示例中，您没有保存第一个数组，因此第一个数组的内存立即被重用。
>>> import numpy as np
>>> print(id(np.empty((20))))
2545385324992
>>> print(id(np.empty((20))))
2545385324992
现在出现了令人惊奇的部分：似乎 Python（或 NumPy 或您的操作系统）在将内存再次提供给 NumPy 之前将其归零。
如果你创建一个比它更大的数组，它不会是“零”，因为它是从其他地方获取的：
>>> print(np.empty((1, 2)))
[[ 1.25757479e-311 1.25757479e-311]]
>>> print(np.empty((1, 3)))
[[ 4.94065646e-324 9.88131292e-324 1.25757705e-311]]
【讨论】：