Python中array()与asarray()用法及区别
本文代码均在Python环境下运行。
import numpy as np
官网文档
numpy.array()；numpy.asarray()
array()
用法
numpy.array(object, dtype=None, *, copy=True, order=‘K’, subok=False, ndmin=0, like=None)
功能
创建一个数组
参数Parameter
- object : array_like
输入数据，可以转换为数组的任何形式。这包括列表，元组列表，元组，元组元组，列表元组和ndarray。 - dtype : data-type, optional
默认情况下，从输入数据中推断出数据类型。 - copy : bool, optional
如果为true(默认值)，则复制对象。否则，只有当__array__返回一个副本，obj是一个嵌套序列，或者需要复制以满足任何其他要求(dtype, order等)时，才会进行复制。 - order : {‘K’, ‘A’, ‘C’, ‘F’}, optional
是使用行优先(C-style)还是列主要(Fortran-style)内存表示形式。默认为“ C”。 - subok : bool, optional
If True, then sub-classes will be passed-through, otherwise the returned array will be forced to be a base-class array (default). - ndmin : int, optional
指定结果数组应具有的最小维数。将根据需要在形状上添加一个以满足此要求。 - like : array_like, optional
Reference object to allow the creation of arrays which are not NumPy arrays. If an array-like passed in as like supports the array_function protocol, the result will be defined by it. In this case, it ensures the creation of an array object compatible with that passed in via this argument. - out : ndarray
满足指定要求的数组对象。如果输入已经是具有匹配dtype和顺序的ndarray，则不执行复制。如果arr是ndarray的子类，则返回基类ndarray。
示例Examples
>>> np.array([1, 2, 3])
array([1, 2, 3])
>>> np.array([[1, 2], [3, 4]]) #More than one dimension
array([[1, 2],
[3, 4]])
>>> np.array([1, 2, 3], ndmin=2) #Minimum dimensions 2
array([[1, 2, 3]])
>>> np.array([1, 2, 3], dtype=complex) #Type provided
array([ 1.+0.j, 2.+0.j, 3.+0.j])
asarray()
用法
numpy.asarray(a, dtype=None, order=None, *, like=None)
功能
将输入转换为数组。
参数Parameter
- a : array_like
输入数据，可以转换为数组的任何形式。这包括列表，元组列表，元组，元组元组，列表元组和ndarray。 - dtype : data-type, optional
默认情况下，从输入数据中推断出数据类型。 - order : {‘C’, ‘F’, ‘A’, ‘K’}, optional
是使用行优先(C-style)还是列主要(Fortran-style)内存表示形式。默认为“ C”。 - like : array_like, optional
确保创建的数组对象与通过该参数传入的数组对象兼容。
示例Examples
将列表转换为数组：
>>> a = [1, 2]
>>> np.asarray(a)
array([1, 2])
已存在的array没有被复制。
>>> a = np.array([1, 2])
>>> np.asarray(a) is a
True
如果设置了dtype，只在dtype不匹配的情况下复制数组：
>>> a = np.array([1, 2], dtype=np.float32)
>>> np.asarray(a, dtype=np.float32) is a
True
>>> np.asarray(a, dtype=np.float64) is a
False
array()与asarray()的区别
np.asarray() 和 np.array() 都可以用来创建 NumPy 数组。
两者之间的主要区别在于，如果输入已经是 NumPy 数组，np.asarray() 将不会创建一个新数组，而 np.array() 即使输入已经是 NumPy 数组也会创建一个新数组。因此，当你想要确保给定的输入是 NumPy 数组时，可以使用 np.asarray()。可以避免不必要的内存分配和复制。
另一方面，当你想从给定的输入创建一个新的 NumPy 数组时，可以使用 np.array()，而不管它是否已经是一个NumPy数组。