Question

Numpy的array()和asarray()功能有什么区别？你什么时候应该使用一个而不是另一个？它们似乎为我能想到的所有输入产生相同的输出。

Answer 1

definition of asarray是：

def asarray(a, dtype=None, order=None):
    return array(a, dtype, copy=False, order=order)

所以它就像array，除了它有更少的选项，copy=False。默认情况下，array有copy=True。

主要区别在于array（默认情况下）会复制对象，而asarray除非必要，否则不会。{/ p>

Answer 2

这个例子可以证明这种差异：

生成矩阵

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

使用numpy.array修改A。因为您正在修改副本而无法正常工作

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

使用numpy.asarray修改A。它起作用是因为您正在修改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！

Answer 3

由于其他问题被重定向到询问asanyarray或other array creation routines的问题，因此可能有必要简要概述每个问题。

区别主要在于何时返回不变的输入，而不是将新数组作为副本。

array提供了各种各样的选项（其他大多数功能都是它的薄包装器），包括用于确定何时复制的标志。完整的解释将和文档一样长（请参阅Array Creation，但简要地说，这里是一些示例：

假设a是ndarray，而m是matrix，并且它们的dtype都是float32：

np.array(a)和np.array(m)将同时复制这两者，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matrix的{{1}}，它是ndarray的子类。
np.array(a, dtype=int, copy=False, subok=True)将同时复制两者，因为dtype不兼容。

大多数其他功能是array周围的薄包装器，用于控制何时进行复制：

asarray：如果输入是兼容的ndarray（copy=False），则输入将不被复制。
asanyarray：如果输入是兼容的ndarray或类似matrix（copy=False，subok=True）的子类，则输入将不被复制。
ascontiguousarray：如果输入是兼容的ndarray且连续C顺序（copy=False，order='C')。
asfortranarray：如果输入是兼容的ndarray（以连续的Fortran顺序（copy=False，order='F'）兼容，则将返回未复制的输入。
require：如果输入与指定的需求字符串兼容，则输入将不复制而返回。
copy：总是复制输入。
fromiter：输入被视为可迭代的（例如，您可以根据迭代器的元素构造一个数组，而不是使用迭代器的object数组）；始终复制。

还有便利功能，例如asarray_chkfinite（复制规则与asarray相同，但是如果存在任何ValueError或nan值，则会引发inf），以及子类（如matrix或特殊情况（如记录数组）的构造函数，当然还有实际的ndarray构造函数（可让您直接跨缓冲区创建数组）。

Answer 4

array和asarray的文档中非常清楚地提到了这些差异。不同之处在于参数列表，因此函数的操作取决于这些参数。

功能定义是：

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

和

numpy.asarray(a, dtype=None, order=None)

以下参数是可以传递给array和不 asarray的参数，如文档中所述：

copy：bool，可选如果为true（默认值），则复制对象。   否则，仅当__array__返回副本时才会进行复制   obj是一个嵌套序列，或者如果需要一个副本来满足任何一个   其他要求（dtype，order等）。

subok：bool，可选如果为True，那么子类将是   传递，否则返回的数组将被强制为   基类数组（默认）。

ndmin：int，optional指定最小维数   结果数组应该有。其中一个将预先形成   根据需要满足这一要求。

Answer 5

asarray(x)就像array(x, copy=False)

要确保在进行任何其他操作之前，asarray(x)将是一个数组，请使用x。如果x已经是一个数组，则不会进行任何复制。不会造成多余的性能损失。

这是一个确保首先将x转换为数组的函数的示例。

def mysum(x):
    return np.asarray(x).sum()

Answer 6

这是一个简单的例子，可以证明两者之间的区别。

主要区别在于数组将复制原始数据，并且使用不同的对象，我们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，但是，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。

Numpy - 阵列vs asarray

6 个答案: