前言：
这一篇文章并不是介绍一下标题中三个函数的用法，而是我在使用它们时发现了它们关于维度设置的不同。
使用其遇到的问题与理解：
numpy.array()部分：
-
*疑惑1：*numpy.array() 的返回值的维度是多少？
例如用类似 a = numpy.array([1,2]) 这样的形式创建的向量是一维，这也是正常人想要的。但是就平时的习惯而言，向量是会分为行向量和列向量的，但是上面产生的 a 是不支持转置操作的（这里的不支持不是说 a 不能转置，而是转置之后没有改变），如下：
图1_code 图2_output 代码设置解释：
设定 a 大家肯定也一目了然，就是为了看看它的输出和它转置的输出是否一致。但我害怕有这样一种情况，即可能 a 转置是有效果的，但是 python 中是为了方便所以都将其输出成一种形式，所以我又设置了一个向量 b。因为如果 a 发生了转置（即行向量变成了列向量），那么它与 b 做内积之后，得到结果肯定分别是一个数和一个矩阵。
结果与结论：
最后输出的结果可以表明，用 numpy.arrary() 方法创建的向量是不区分行向量和列向量的，其存在的形式与一维数组十分类似。但是这样我就紧接着又有了一个疑惑，即疑惑2，请往下看！
-
*疑惑2：*numpy.array()返回值如何做矩阵运算？
既然 numpy.array() 创建的向量（不妨设这个创建的向量为 a）是不区分行向量和列向量的，那么 a 在与矩阵相乘时如何处理呢？因为我们知道，根据矩阵的乘法规则，行向量想与矩阵相乘，其只能在矩阵左边；同理，列向量只能在矩阵右边。那么，numpy 是如何区别 a 在矩阵两边相乘时的不同情况的呢？
实践与结论：
首先实践代码如下：
这里代码不做解释，可以看到同样是向量 a 与 矩阵 b 做矩阵乘法，但输出的结果确实不同的。手动验算一下就可以发现上面的两个输出的结果分别对应的是 $\left[\begin{matrix} 1&1 \end{matrix}\right]\cdot\left[\begin{matrix} 1&1\\2&2 \end{matrix}\right]$ 和 $\left[\begin{matrix} 1&1\\2&2 \end{matrix}\right]\cdot\left[\begin{matrix} 1\\1 \end{matrix}\right]$图3_code 图4_output 由上述可以看出，numpy 在完成 numpy.array() 创建的向量和矩阵相乘时是由函数来区分行列向量的不同的。
为了和下面的 ones、zeros 作比较，这里提前说一个现象，即上面的 output 的两个结果均是一个向量（即一维的）。
ones()&zeros()部分：
-
疑惑1：ones()&zeros() 不能返回向量？
通过上面的实践之后，我弄明白了 numpy 对 numpy.array() 设计的思路。然后我们知道创建 ndarray 类型对象的方法还有 ones()& zeros() 等，并且 ones() 和 zeros() 可以指定生成矩阵的 shape，那么当我用它们创建 shape 分别为 (2,1) 和 (1,2) 两种形状的向量时，也会像 numpy.array() 一样都默认生成一个类似于一维数组的向量么？
实践与结论:
情况如下图：
图5_code 图6_output 可以发现 ones() 和 zeros() 指定生成向量时，其生成的结果也是矩阵，也是通过如此来区分行列向量的。那么，用 ones() 和 zeros() 生成的对象进行矩阵运算得到的结果也理所当然的是矩阵，这就与上面说的 numpy.arrary() 生成的对象的运算结果类型不一致了，这样的不统一其实在写代码时还是会产生影响的。有什么可以解决这个问题的方法么？方法如下：
方法：消除对 ones()&zeros() 的误解
其实 ones() 和zeros() 是可以生成向量的，只是大家平时很容易理所当然的认为用 shape(n,1) 这类的写法即是一维的，事实上 ones()&zeros() 提供了生成一维对象的方式，即在写法上形如 numpy.ones((n,)) 即可（PS：括号里的 shape 不能设置成形如 (,n) ）