本文介绍在 numpy 中高效生成由数字 2 构成的多维数组的多种方法，重点推荐 `np.full()` 函数，并对比其他常用替代方案，帮助开发者以最简洁、可读性最强的方式实现目标。
在 NumPy 中，虽然 np.zeros() 和 np.ones() 是创建统一值数组的常用函数，但若需填充任意指定数值（如全部为 2），最直接、语义最清晰的方式是使用 np.full() —— 它专为“用固定值初始化数组”而设计。
✅ 推荐方法：np.full()
import numpy as np # 创建长度为 20 的一维全 2 数组，再重塑为 4×5 二维数组 arr = np.full(20, 2, dtype=int).reshape(4, 5) print(arr)输出：
[[2 2 2 2 2] [2 2 2 2 2] [2 2 2 2 2] [2 2 2 2 2]]你也可以一步完成形状指定，更简洁：
arr = np.full((4, 5), 2, dtype=int) # 直接生成 4×5 全 2 数组✅ 优势：语义明确（full 即“填满”）、性能优异、支持任意维度与数据类型。
? 其他可行方式（不推荐但可理解原理）
- 基于 np.ones() 改造（如问题中尝试）：
arr = (np.ones((4, 5), dtype=int) * 2) # 利用广播乘法 - 基于 np.zeros() 改造：
arr = np.zeros((4, 5), dtype=int) + 2 - 使用 np.repeat() 或 np.tile()（适用于特定场景）：
arr = np.tile(2, (4, 5))
⚠️ 注意：这些方式虽能实现结果，但存在额外计算开销（如乘法/加法）、可读性弱于 np.full()，且不易表达“初始化意图”。
? 总结建议
- ✅ 首选 np.full(shape, fill_value, dtype=…)：代码简洁、意图清晰、性能最优；
- ⚠️ 避免对 ones()/zeros() 做算术转换——除非已有该数组需复用；
- ? shape 参数支持元组（如 (4, 5)）或整数（一维），dtype 可显式指定（如 int、float32）以确保类型安全。
掌握 np.full()，你就能轻松、专业地初始化任何值的 NumPy 数组。