如何无需迭代创建形状为(x,y)且填充np.arange连续序列值的NumPy多维数组

当然有非常简洁高效的实现方式，完全不需要手动遍历数组！NumPy的设计理念就是用向量操作替代循环，这里我们可以利用**数组重塑（reshape）**的特性来快速实现需求。

核心思路 #

首先生成总长度为x*y的连续整数序列，再将这个一维序列直接重塑为(x,y)形状的二维数组——这个过程是NumPy内部优化的，没有Python层面的循环，效率极高。

具体实现方法 #

方法一：使用reshape()（最直观）

这是最常用的方式，代码非常简洁：

import numpy as np

# 定义目标形状的维度
x = 3
y = 4

# 先生成连续序列，再重塑形状
arr = np.arange(x * y).reshape(x, y)
print(arr)

运行结果会输出：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

• np.arange(x*y)：生成从0到x*y-1的连续整数序列（一维数组）
• .reshape(x,y)：将一维数组转换为(x,y)的二维数组。这里因为原数组的元素总数和目标形状的元素数完全匹配，所以reshape会直接返回原数组的视图（不会复制数据，性能极佳）。

方法二：直接指定形状（进阶写法）

如果你想一步到位，也可以用np.reshape的另一种写法，或者利用np.arange的输出直接修改shape属性：

# 写法1：直接用np.reshape
arr = np.reshape(np.arange(x*y), (x, y))

# 写法2：修改数组的shape属性（注意原数组必须是连续的）
arr = np.arange(x*y)
arr.shape = (x, y)

这两种写法和方法一的效果完全一致，只是写法不同，你可以根据习惯选择。

扩展：非0起始的连续序列 #

如果你的需求不是从0开始的连续序列，比如从start到end（要求end - start = x*y），只需要调整np.arange的参数即可：

start = 5
end = 5 + x*y  # 确保总长度是x*y
arr = np.arange(start, end).reshape(x, y)

和随机数组的区别 #

你提到的np.random.randn(x,y)是生成符合标准正态分布的随机数数组，而我们的方法是生成连续的整数序列，两者的核心逻辑完全不同——前者直接生成指定形状的随机值，后者是先生成一维连续序列再重塑形状。

内容的提问来源于stack exchange，提问作者hkjz