np.array()和np.asarray()有什么区别?

asarray的定义是:

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，和copy=False。array默认有copy=True。

主要的区别是array(默认)将创建对象的副本，而asarray除非必要，否则不会。

在array和asarray的文档中清楚地提到了这些区别。区别在于参数列表，因此函数的操作取决于这些形参。

函数定义如下:

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

而且

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

以下参数是文档中提到的可以传递给array和不 asarray的参数:

copy: bool，可选如果为true(默认值)，则复制对象。 否则，只有当__array__返回一个副本时，才会创建一个副本 Obj是一个嵌套序列，或者如果需要一个副本来满足任意 其他要求(dtype, order等)

subok: bool，可选如果为True，则子类将为 传递，否则返回的数组将被强制为a 基类数组(默认).

ndmin: int, optional指定最小维度数 结果数组应该有。一个将预先挂在形状

.

.

.

这种差异可以通过下面的例子来证明:

1. 生成矩阵。

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

2. 使用numpy.array修改A。无法工作，因为您正在修改副本。

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

3. 使用numpy.asarray修改A。它能工作是因为你正在修改A本身。

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

这里有一个简单的例子可以说明这种区别。

主要区别是数组会复制原始数据，而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，并且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。

由于其他问题都被重定向到这个问题，即asanyarray或其他数组创建例程，因此可能有必要对它们各自的功能进行简要总结。

区别主要在于什么时候不加改动地返回输入，而不是创建一个新数组作为副本。

array提供了各种各样的选项(大多数其他函数都是围绕它的薄包装器)，包括确定何时复制的标志。一个完整的解释将需要和文档一样长的时间(参见创建数组，但简单地，这里有一些例子:

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

• np.array(a)和np.array(m)将复制两者，因为这是默认行为。
• np.array(a, copy=False)和np.array(m, copy=False)会复制m，但不会复制a，因为m不是ndarray。
• np.array(a, copy=False, subok=True)和np.array(m, copy=False, subok=True)两者都不会复制，因为m是matrix，它是ndarray的子类。
• np.array(a, dtype=int, copy=False, subok=True)将复制两者，因为dtype不兼容。

大多数其他函数都是array的薄包装器，用于控制复制发生的时间:

• asarray:如果输入是兼容的ndarray (copy=False)，则将不复制地返回。
• asanyarray:如果输入是兼容的ndarray或类似matrix (copy=False， subok=True)的子类，则输入将不被复制返回。
• ascontiguousarray:如果输入是兼容的、连续的C顺序的ndarray (copy=False， order='C'))，则输入将不被复制地返回。
• asfortranarray:如果输入是兼容的、连续Fortran顺序的ndarray (copy=False， order='F')，则将不被复制地返回。
• require:如果输入与指定的要求字符串兼容，则将不复制地返回。
• copy:输入总是被复制。
• fromiter:输入被视为可迭代对象(因此，例如，可以从迭代器的元素构造数组，而不是使用迭代器构造object数组);总是复制。

还有一些方便的函数，比如asarray_chkfinite(与asarray相同的复制规则，但如果有任何nan或inf值，则会引发ValueError)，还有子类的构造函数，比如matrix或记录数组等特殊情况，当然还有实际的ndarray构造函数(它允许你直接在缓冲区上跨步创建数组)。

asarray(x)类似于array(x, copy=False)

当你想确保x在任何其他操作完成之前是一个数组时，使用asarray(x)。如果x已经是一个数组，则不会进行复制。它不会导致冗余的性能损失。

下面是一个确保x首先转换为数组的函数示例。

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

#Create an array...


arr = np.ones(5);  # array([1., 1., 1., 1., 1.])

#Now I want to modify `arr` with `array` method. Let's see...


arr = np.array(arr)[3] = 200;  # array([1., 1., 1., 1., 1.])

数组没有变化，因为我们修改了arr的副本。

现在，用asarray()方法修改arr。

arr = np.asarray(arr)[3] = 200;  # array([1., 200, 1., 1., 1.])

这个数组发生了变化，因为我们现在使用的是原始数组。