Numpy asarray() 函数

Numpy asarray() 函数用于将给定输入转换为数组。输入数据可以是列表、元组、标量、字符串或集合的形式。数组的数据类型根据输入数据推断。

在 Numpy 中，numpy.array() 和 numpy.asarray() 这两个函数都用于创建或将给定数据转换为 Numpy 数组。这两个函数之间的主要区别在于，numpy.array() 在原始数组中进行的更改不会反映在原始数组中。而 numpy.asarray() 会反映对原始数组所做的所有更改。

语法

以下是 Numpy asarray() 函数的语法 -

numpy.asarray(arr, dtype=None, order=None, device=None, copy=None, like=None)

参数

以下是 Numpy asarray() 函数的参数 -

• arr:这是必需的输入参数。它可以是任何类似数组的对象或任何嵌套序列。如果对象是标量，则返回一个包含该对象的零维数组。
• dtype:指定数组元素所需的数据类型(例如，int、float、complex、str)。如果未指定，NumPy 将根据输入对象自动判断数据类型。
• copy(可选):如果为 True(默认值)，则始终会创建对象的新副本，即使对象已经是 NumPy 数组。如果为 False，函数将尽量避免复制数据，并尽可能仅创建输入对象的视图。
• device(可选):用于放置所创建数组的设备。默认值为 None。
• like(可选):允许创建一个与输入对象类似但使用现有类数组对象(如另一个 NumPy 数组)的数组。
• order(可选):指定数组的内存布局。如果对象不是数组，则新创建的数组将按 C 语言顺序(行优先)排列，除非指定了 F 顺序，在这种情况下，它将按 Fortran 顺序(列优先)排列 -
• 'C':C 风格的行优先顺序。
• 'F':Fortran 风格的列优先顺序。
• 'A':如果输入是 Fortran 连续的，则为 'F'，否则为 'C'。
• 'K':这是默认值，使顺序尽可能接近输入。

返回值

此函数返回一个与输入数据具有相同数据类型的 NumPy 数组，除非使用 dtype 明确指定参数。

示例

以下是使用 Python numpy.asarray() 函数创建 NumPy 数组的基本示例 -

import numpy as np
my_array = np.asarray([1,2,3,4],)
print("Numpy 数组 :",my_array)

输出

以下是上述代码的输出 -

Numpy 数组:[1 2 3 4]

示例:使用序列创建数组

可以使用列表、元组或集合等序列创建 NumPy 数组，方法是将它们作为参数传递给 numpy.array() 函数。

这里，我们将 my_tuple 作为参数传递给 numpy.asarray() 函数，返回一个数组 -

import numpy as np
my_tuple = (5, 10,15, 20)
print(type(my_tuple))
my_array = np.asarray(my_tuple);
print("Numpy 数组 :",my_array)
print(type(my_array))

输出

以下是上述代码的输出 -

<class 'tuple'>
Numpy 数组:[ 5 10 15 20]
<class 'numpy.ndarray'>

示例:创建 n 维数组

numpy.asarray() 函数可以通过传递多个相同大小的序列(例如列表或元组)来创建 N 维数组。如果序列大小不同，则会引发 ValueError −

import numpy as np
my_array = np.array([[10,20,30,40],[11,22,33,44]])
print("Numpy 二维数组 :")
print(my_array)

输出

Numpy 二维数组:
[[10 20 30 40]
[11 22 33 44]]

示例:Numpy array() 与 Numpy asarray()

在 numpy.asarray() 中，对结果所做的任何更改如果输入已经是 NumPy 数组，则数组将反映在原始数组中，因为它不会创建副本。但是，在 numpy.array() 中，对新数组所做的更改不会影响原始数组，因为它会创建数据的副本。

在以下示例中，我们可以找到 numpy.array() 和 numpy.asarray() 之间的区别 -

import numpy as np
# 创建数组
Original_Array = np.array([ 2, 3, 4, 5, 6])
print("原始数组 : ", Original_Array)
# 为 np.array 赋值
np_array = np.array(Original_Array)
Original_Array[3] = 0
print("np.array Array : ",np_array)

# 为 np.asarray 赋值
np_array = np.asarray(Original_Array)
print("np.asarray 数组 : ",np_array)

输出

以下是上述代码的输出 -

原始数组 : [2 3 4 5 6]
np.array 数组 : [2 3 4 5 6]
np.asarray 数组 : [2 3 4 0 6]

numpy_array_creation_routines.html