Python Numpy和#x27；s array（）和asarray（）函数？

Numpy和函数之间的区别是什么？什么时候应该使用一个而不是另一个？它们似乎为我所能想到的所有输入生成了相同的输出。

结果是：

因此，它类似于

array

，只是它的选项较少，而且

copy=False

<默认情况下，代码>数组具有

copy=True

---

主要区别在于

array

（默认情况下）将创建对象的副本，而

asarray

除非必要，否则不会创建对象的副本。

和的文档中非常清楚地提到了这些区别。区别在于参数列表，因此函数的操作取决于这些参数

函数定义如下：

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

及

以下参数是可以传递给

array

和not

asarray

的参数，如文档中所述：

复制：bool，可选如果为真（默认），则复制对象。 否则，仅当

\uuuuuu数组\uuuuu

返回副本时，才会进行复制，如果 obj是一个嵌套序列，或者如果需要一个副本来满足 其他要求（数据类型、订单等）

subok:bool，可选如果为True，则子类将为 通过，否则返回的数组将被强制为 基类数组（默认值）

ndmin:int，可选指定所需的最小维度数 生成的数组应具有。将根据形状预先悬挂 根据需要来满足这一要求

---

这个例子可以说明这种差异：

生成矩阵

>>> A = numpy.matrix(numpy.ones((3,3)))
>>> A
matrix([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])

使用

numpy.array

修改

A

。无法工作，因为您正在修改副本

>>> numpy.array(A)[2]=2
>>> A
matrix([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])

使用

numpy.asarray

修改

A

。它之所以有效，是因为您正在修改

A

本身

>>> numpy.asarray(A)[2]=2
>>> A
matrix([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 2.,  2.,  2.]])

---

希望这有帮助

这里有一个简单的例子可以说明这种差异

主要区别在于数组将复制原始数据，使用不同的对象可以修改原始数组中的数据

import numpy as np
a = np.arange(0.0, 10.2, 0.12)
int_cvr = np.asarray(a, dtype = np.int64)

---

数组（a）中的内容保持不变，我们仍然可以使用另一个对象对数据执行任何操作，而无需修改原始数组中的内容

由于其他问题被重定向到这个问题，询问关于asanyarray或的问题，因此可能值得对每个问题做一个简短的总结

import numpy as np
a = np.arange(0.0, 10.2, 0.12)
int_cvr = np.asarray(a, dtype = np.int64)

区别主要在于何时返回未更改的输入，而不是将新数组作为副本

提供了多种选项（大多数其他函数都是围绕它的精简包装器），包括用于确定何时复制的标志。完整的解释将花费与文档一样长的时间（请参阅，但简单地说，以下是一些示例：

假设

a

是

ndarray

，

m

是

矩阵

，它们都有

dtype

的

float32

：

• np.array（a）

  和

  np.array（m）

  都将复制，因为这是默认行为

• np.array（a，copy=False）

  和

  np.array（m，copy=False）

  将复制

  m

  而不是

  a

  ，因为

  m

  不是

  ndarray

• np.array（a，copy=False，subok=True）

  和

  np.array（m，copy=False，subok=True）

  都不会复制，因为

  m

  是

  矩阵

  ，它是

  ndarray

  的子类

• np.array（a，dtype=int，copy=False，subok=True）

  将同时复制这两种类型，因为

  dtype

  不兼容

大多数其他函数都是围绕

array

的薄型包装，用于控制何时进行复制：

• ：如果输入是兼容的

  ndarray

  （

  copy=False

  ），则输入将以未复制的方式返回
• ：如果输入是兼容的

  ndarray

  或类似

  matrix

  的子类（

  copy=False

  ，

  subok=True

  ），则输入将以未复制的方式返回
• ：如果输入是连续C顺序的兼容

  ndarray

  （

  copy=False

  ，

  order='C'）

  ，则输入将以未复制的方式返回
• ：如果输入是连续Fortran顺序的兼容

  ndarray

  （

  copy=False

  ，

  order='F'

  ），则输入将以未复制的方式返回
• ：如果输入与指定的要求字符串兼容，则将返回未经复制的输入
• ：始终复制输入
• ：输入被视为iterable（因此，例如，您可以从迭代器的元素构造数组，而不是使用迭代器构建

  对象

  数组）；始终复制

还有一些方便的函数，如（与

asarray

相同的复制规则，但如果存在

nan

或

inf

值，则会引发

ValueError

），以及

matrix

子类或记录数组等特殊情况的构造函数，当然还有实际的构造函数（这使您可以直接在缓冲区上创建一个数组）。

asarray（x）

类似于

array（x，copy=False）

如果要确保在执行任何其他操作之前，

x

将是一个数组，请使用

asarray（x）

。如果

x

已经是一个数组，则不会执行任何复制。这不会导致冗余性能损失

下面是一个函数示例，该函数确保首先将

x

转换为数组

def mysum（x）：
返回np.asarray（x）.sum（）

那么我们应该什么时候使用它们呢？如果从头开始创建一个数组，哪个更好，

数组（[1,2,3]）

或者

数组（[1,2,3]）

？@endolith:

[1,2,3]

是一个Python列表，所以c

import numpy as np
a = np.arange(0.0, 10.2, 0.12)
int_cvr = np.asarray(a, dtype = np.int64)