本文介绍使用 `np.full()` 函数高效生成全为指定值（例如 2）的 numpy 数组，替代先创建再替换的低效方式，并提供形状控制、数据类型设置等实用技巧。
在 NumPy 中，虽然 np.zeros() 和 np.ones() 是创建常量数组的常用函数，但若需生成其他固定值（如全 2 数组），最直接、高效的方式是使用 np.full() —— 它专为“填充指定值”而设计，语法简洁且语义清晰。
np.full() 的基本用法如下：
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]]
你也可以直接指定目标形状，避免链式调用 .reshape()：
arr = np.full((4, 5), 2, dtype=int) # 推荐：更直观、更高效
✅ 优势说明：
- 比 np.ones(...) * 2 或 np.zeros(...) + 2 更语义明确、内存友好；
- 比先创建再赋值（如 a[:] = 2）更简洁，尤其适合初始化场景；
- 支持任意维度、任意 dtype（如 float32、bool 等），并可指定 order 参数控制内存布局。
⚠️ 注意事项：
- 若未显式指定 dtype，np.full() 会根据 fill_value 自动推断（如 2 → int64，2.0 → float64），建议显式声明以确保类型可控；
- 对于大型数组，np.full() 是零拷贝优化的，性能优于先生成再广播运算的方式。
总结：当需要构建全为某固定值（如 2）的数组时，请优先选用 np.full(shape, fill_value, dtype=...) —— 它是 NumPy 官方推荐的标准做法，兼具可读性、效率与灵活性。
