Question

很长一段时间以来，我总是使用np.array，np.asarray和np.asanyarray将array_like列表转换为数组。

但是当将标量转换为numpy数组时，我知道np.atleast_1d(123)会产生正确的结果array([123])。

但我对np.array和np.asarray

的输出感到困惑

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

由于x.shape表示x为空，所以array(123)是什么？这是一个0维数组，其123中仍包含__str__。

一个真正的size=0空数组应为array([])，

print np.array([]).nbytes # 0
print np.array(123).nbytes # 8
print type(np.array(123)) # numpy.ndarray

显然它们是不同的，尽管它们的大小都是0。

Answer 1

我将此0d案例视为nd的自然延续。 MATLAB使2d成为下限。 numpy可以使用1d，而是选择0d。

数组包含数据缓冲区，是否存储值字节，dtype（如何解释这些字节）和shape（加strides）。 shape是（显示为）元组。 Python允许元组具有0,1,2或更多元素，那么为什么不应该具有相同的灵活性？

查看atleast_1d做什么

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

它可以使用输入列表（标量，数组，列表等）

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

它将每个转换为数组（根据需要），然后检查暗淡（形状的len）。如果是0d，则将其重新整形为（1，）。此重塑不会更改数据缓冲区。 atleast_2d result = ary.reshape(1, 1)。

你也可以ndmin：

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

np.array(1)在很多方面都与np.int32(1)相似。两者都有()形状，两者都有像sum()这样的方法。唯一明显的区别在于它们的打印格式。

我不知道有意构造0d数组的任何理由。如果我真的想要一个1d数组，那么写np.array([1])同样容易。但你应该知道如果它出现如何处理一个。这包括使用.item()提取标量值，并使用[()]建立索引。

我在使用scipy.io.loadmat加载MATLAB文件的SO问题中经常遇到这个问题。一些MATLAB构造作为0d对象数组返回。

另一种思考0d数组的方法是将整个数组方法添加（或保留）到标量中 - 而不必明确指定dtype。

我提到了与np.int32(1)的相似之处。我在初学者的代码中看过它，但我自己并不需要它。

np.asarray（标量）的输出是什么？

1 个答案: