Python numpy.arr（（…）和numpy.arr（[…]）之间的差异

通过以下两种方式调用numpy.array时：

>>> np.array((1,2,3,4))
array([1, 2, 3, 4])
>>> np.array([1,2,3,4])
array([1, 2, 3, 4])

我注意到它返回两个看起来相同的数组。

---

这两个日期相同吗？为什么？

我们在这里可以表现得很一般。假设我们不知道什么是

X=np.array（[1,2,3,4]）

和

Y=np.array（（1,2,3,4））

。如果我们打印它，我们可以看到一个输出，它是秘密内置方法

X.\uuu repr\uu

和

Y.\uu repr\uu

的结果。您可以在这里确定地看到

X

和

Y

具有相同的表示形式。但是，这并不意味着它们是相同的，因为它们可以是具有相同表示的不同类的实例。为了确保这一点，我通常使用

X.\uu class\uu

和

Y.\uu class\uu

。因此，

X

和

Y

都是同一类的实例

np.ndarray

我们可以在这里以一种通用的方式进行操作。假设我们不知道什么是

X=np.array（[1,2,3,4]）

和

Y=np.array（（1,2,3,4））

。如果我们打印它，我们可以看到一个输出，它是秘密内置方法

X.\uuu repr\uu

和

Y.\uu repr\uu

的结果。您可以在这里确定地看到

X

和

Y

具有相同的表示形式。但是，这并不意味着它们是相同的，因为它们可以是具有相同表示的不同类的实例。为了确保这一点，我通常使用

X.\uu class\uu

和

Y.\uu class\uu

。因此

X

和

Y

都是同一类的实例

np.ndarray

是的，它们都是从一个生成相同数字的iterable中读取的。列表和元组所携带的数据实际上没有什么不同。它们仅因支持的功能不同而有所不同。代码中使用的唯一功能是生成一个项目序列，这是两者都支持的。当创建这样的基本numpy数组时，它们是相同的。当使用

复合数据类型

（制作

结构化

数组）时，它们有不同的含义。例如，看看我最近的回答：是的，它们都是从一个生成相同数字的iterable中读取的。列表和元组所携带的数据实际上没有什么不同。它们仅因支持的功能不同而有所不同。代码中使用的唯一功能是生成一个项目序列，这是两者都支持的。当创建这样的基本numpy数组时，它们是相同的。当使用

复合数据类型

（制作

结构化

数组）时，它们有不同的含义。例如，请参见我最近的回答：