Question

Numpy中ndarray和array之间有什么区别？我在哪里可以找到numpy源代码中的实现？

Answer 1

numpy.array只是创建ndarray的便利功能;它本身不是一个阶级。

您也可以使用numpy.ndarray创建数组，但这不是推荐的方式。来自numpy.ndarray的文档字符串：

应使用array，zeros或empty构建数组...此处给出的参数指的是用于实例化数组的低级方法（ndarray(...)）。

实现的大部分内容都是用C代码here in multiarray编写的，但你可以在这里开始查看ndarray接口：

https://github.com/numpy/numpy/blob/master/numpy/core/numeric.py

Answer 2

numpy.array是一个返回numpy.ndarray的函数。没有对象类型numpy.array。

Answer 3

只需几行示例代码即可显示numpy.array和numpy.ndarray之间的区别

预热步骤：构建列表

a = [1,2,3]

检查类型

print(type(a))

你会得到

<class 'list'>

使用np.array构建数组（来自列表）

a = np.array(a)

或者，您可以跳过预热步骤，直接

a = np.array([1,2,3])

检查类型

print(type(a))

你会得到

<class 'numpy.ndarray'>

告诉你 numpy数组的类型是numpy.ndarray

您还可以通过

检查类型

isinstance(a, (np.ndarray))

你会得到

True

以下两行中的任何一行都会显示错误消息

np.ndarray(a)                # should be np.array(a)
isinstance(a, (np.array))    # should be isinstance(a, (np.ndarray))

Answer 4

numpy.ndarray（）是一个类，而numpy.array（）是创建ndarray的方法/函数。

在numpy文档中，如果您想从ndarray类创建数组，则可以使用两种方式来引用它：

1-使用array（），zeros（）或empty（）方法： 数组应使用数组（零或为空）构造（请参阅下面的另请参见部分）。这里给出的参数指的是用于实例化数组的低级方法（ndarray（…））。

2-直接来自ndarray类： 有两种使用 new 创建数组的模式：如果buffer为None，则仅使用shape，dtype和order。如果buffer是暴露buffer接口的对象，则将解释所有关键字。

下面的示例给出了一个随机数组，因为我们没有分配缓冲区值：

np.ndarray(shape=(2,2), dtype=float, order='F', buffer=None)

array([[ -1.13698227e+002,   4.25087011e-303],
       [  2.88528414e-306,   3.27025015e-309]])         #random

另一个示例是将数组对象分配给缓冲区例如：

>>> np.ndarray((2,), buffer=np.array([1,2,3]),
...            offset=np.int_().itemsize,
...            dtype=int) # offset = 1*itemsize, i.e. skip first element
array([2, 3])

在上面的示例中，我们注意到我们无法为“缓冲区”分配列表，我们不得不使用numpy.array（）返回缓冲区的ndarray对象

结论：如果要创建“ numpy.ndarray（） <，请使用“ numpy.array（） ” < / strong>对象”

Answer 5

我认为使用np.array()只能创建C，就像您提到的顺序一样，当您使用np.isfortran()检查时，它说是false。但是当您指定它根据提供的顺序创建的顺序时使用np.ndarrray()。

在numpy中ndarray和array之间有什么区别？

5 个答案: