Numpy的array（）和asarray（）函数有什么区别？

Numpy array()和asarray()函数之间有什么区别？什么时候应该使用一个而不是另一个？他们似乎为我能想到的所有输入生成相同的输出。

由于将其他问题重定向到这个询问问题asanyarray或其他数组创建例程的问题，因此可能有必要简要概述每个问题的作法。

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提供了多种选择（大多数其他功能都是围绕它的薄包装器），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，但是简要地，这里有一些示例：

假设a是ndarray，并且m是matrix，并且它们都具有dtype的float32：

• np.array(a)并且np.array(m)将复制两个，因为这是默认行为。
• np.array(a, copy=False)并且np.array(m, copy=False)将复制m但不复制a，因为m不是ndarray。
• np.array(a, copy=False, subok=True)，并且np.array(m, copy=False, subok=True)不会复制任何内容，因为m是matrix，这是的子类ndarray。
• np.array(a, dtype=int, copy=False, subok=True)将同时复制两者，因为与dtype不兼容。

其他大多数功能都是array在复制发生时围绕该控件的薄包装器：

• asarray：如果兼容ndarray（copy=False），则输入将返回未复制的状态。
• asanyarray：如果输入是兼容的ndarray或子类matrix（如copy=False，subok=True），则输入将不被复制。
• ascontiguousarray：如果输入是兼容ndarray的连续C顺序（copy=False，，则将返回未复制的输入order='C')。
• asfortranarray：如果输入与ndarray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，您可以从迭代器的元素构造数组，而不是object使用迭代器的数组）；始终复制。

还有一些便利功能，例如asarray_chkfinite（与复制规则相同asarray，但复制规则与相同，但是ValueError如果有nan或inf值，则会提高），以及子类的构造函数（例如matrix或特殊情况下的记录数组），当然还有实际的ndarray构造函数（可让您直接创建数组）超出缓冲区）。

的定义asarray是：

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

就像array，除了它的选项更少，和copy=False。array有copy=True默认。

主要区别在于array（默认情况下）将复制对象，而asarray除非有必要，否则不会复制。

可以通过以下示例证明差异：

1. 产生矩阵

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

2. 用于numpy.array修改A。不起作用，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. 用于numpy.asarray修改A。之所以有效，是因为您正在修改A自己

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

希望这可以帮助！

array和的文档中非常清楚地提到了差异asarray。不同之处在于参数列表，因此取决于这些参数的功能作用。

函数定义为：

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

和

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

以下参数是可能传递给文档的参数，array而不是 asarray文档中提到的参数：

copy：bool，可选如果为true（默认），则复制对象。否则，仅当__array__返回一个副本，obj是一个嵌套序列或需要一个副本以满足其他任何要求（dtype，order等）时，才创建副本。

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

ndmin：int，可选指定结果数组应具有的最小维数。可以根据需要预先添加形状。

这是一个可以证明差异的简单示例。

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。

asarray(x) 就好像 array(x, copy=False)

asarray(x)当您要确保x在执行任何其他操作之前将其设为数组时使用。如果x已经是数组，则不会进行任何复制。这不会造成冗余的性能损失。

这是确保x首先转换为数组的函数示例。

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