Python np.asarray（标量）的输出是什么？

长期以来，我总是使用

np.array

、

np.asarray

和

np.asanyarray

将类似数组的列表转换为数组

但是，当将标量数组转换为numpy数组时，我知道

np。至少\u 1d（123）

产生了正确的结果，

array（[123]）

但是我对

np.array

和

np.asarray

i = 123
x = np.array(i, dtype=np.int)
print x # array(123)
print x.shape  # ()
print x.size # 0

---

既然

x.shape

表示

x

为空，那么

数组（123）

是什么？它是一个0维数组，在其

\uuuu str\uuuu

中仍然包含

123

size=0的实空数组应该是
数组（[]）

显然，它们是不同的，尽管它们的大小都是
0
我认为
0d
是
nd
的自然延续。MATLAB将2d作为下限
numpy
本可以使用
1d
，但选择了
0d

数组由数据缓冲区、值字节是否存储、数据类型（如何解释这些字节）和
shape
（加上
strips
）组成<代码>形状

是（显示为）元组。Python允许元组具有0、1、2或更多元素，那么为什么shape不应该具有相同的灵活性呢

看看

至少能做些什么

res = []
for ary in arys:
    ary = asanyarray(ary)
    if len(ary.shape) == 0:
        result = ary.reshape(1)
    else:
        result = ary
    res.append(result)
if len(res) == 1:
    return res[0]
else:
    return res

它可以处理输入列表（标量、数组、列表等）

它会将每个对象转换为数组（根据需要），然后检查dim（形状的长度）。如果为0d，则会将其重塑为（1，）。此重塑不会更改数据缓冲区<代码>至少2d

执行

result=ary。重塑（1，1）

您还可以

ndmin

：

In [382]: np.array(1,ndmin=1)
Out[382]: array([1])

np.array（1）

在许多方面与

np.int32（1）

类似。它们都有

（）

形状，都有类似

sum（）

的方法。唯一明显的区别在于它们的打印格式

我不知道有什么理由故意构造0d数组。如果我真的想要一个1d数组，那么编写

np.array（[1]）

同样容易。但你应该知道如何处理一个，如果它出现。这包括使用

.item（）

提取标量值，以及使用

[（）]

索引

我经常在关于使用

scipy.io.loadmat

加载MATLAB文件的问题中遇到它。一些

MATLAB

构造作为0d对象数组返回

考虑0d数组的另一种方式是，它将整个数组方法添加（或保留）到标量中，而不必显式指定

dtype

---

我提到了与

np.int32（1）

的相似性。我在初学者代码中见过它，但我自己并不需要它

x.shape

表示x的形状为空

x

是一个标量，还有什么？@JulienBernu，

print x

显示

array（123）

，而不是

array（[]

），这是一个常规的空数组。投票被否决的人，请至少留下评论。这个问题不清楚，甚至你认为它太简单和愚蠢了

x

不是标量，而是

numpy.ndarray

。您混淆了“空”和“空形状”<代码>数组（[]）。形状=（0，）

x

不是空的，它是一个标量，也是一个具有空形状的数组。这看起来是一个答案。但是现在我弄不明白为什么

numpy

是这样设计的，将标量转换成看起来无用的东西。我从未见过这种空形状数组的任何应用。他们可能提出了一个异常，或者让它作为

np.asanyarray

工作。

In [374]: np.atleast_1d(np.array(1),np.array([1]),np.array([[1]]))
Out[374]: [array([1]), array([1]), array([[1]])]

In [382]: np.array(1,ndmin=1)
Out[382]: array([1])