numpy中的ndarray和array有什么区别？

ndarray和arrayNumpy有什么区别？我在哪里可以找到numpy源代码中的实现？

numpy.array只是创建一个便利函数ndarray; 它本身不是类。

您也可以使用创建数组numpy.ndarray，但不建议这样做。来自的文档字符串numpy.ndarray：

阵列应该使用来构造array，zeros或empty...这里给出的参数是指低级方法（ndarray(...)用于实例化阵列）。

实现的大部分内容都在C代码中（在multiarray中），但是您可以在这里开始查看ndarray接口：

https://github.com/numpy/numpy/blob/master/numpy/core/numeric.py

numpy.array是一个返回的函数numpy.ndarray。没有对象类型numpy.array。

只需几行示例代码即可显示numpy.array和numpy.ndarray之间的区别

热身步骤：构建列表

a = [1,2,3]

检查类型

print(type(a))

你会得到

<class 'list'>

使用np.array构造一个数组（从列表中）

a = np.array(a)

或者，您可以跳过热身步骤，直接进行

a = np.array([1,2,3])

检查类型

print(type(a))

你会得到

<class 'numpy.ndarray'>

告诉你numpy数组的类型是numpy.ndarray

您还可以通过以下方式检查类型

isinstance(a, (np.ndarray))

你会得到

True

以下两行均会给您一条错误消息

np.ndarray(a)                # should be np.array(a)
isinstance(a, (np.array))    # should be isinstance(a, (np.ndarray))

numpy.ndarray()是一个类，numpy.array()而是要创建的方法/函数ndarray。

在numpy docs中，如果您想从ndarray类创建数组，则可以使用以下两种方式进行引用：

1-使用array()，zeros()或empty()方法： 阵列应该使用数组，零或空构造（参考也参见下文部分）。此处给出的参数指的是ndarray(…)用于实例化数组的低级方法（）。

2- ndarray直接来自类： 有两种创建数组的方式__new__：使用：如果buffer为None，则仅使用shape，dtype和order。如果buffer是暴露buffer接口的对象，则将解释所有关键字。

下面的示例给出了一个随机数组，因为我们没有分配缓冲区值：

np.ndarray(shape=(2,2), dtype=float, order='F', buffer=None)

array([[ -1.13698227e+002,   4.25087011e-303],
       [  2.88528414e-306,   3.27025015e-309]])         #random

另一个示例是将数组对象分配给缓冲区示例：

>>> np.ndarray((2,), buffer=np.array([1,2,3]),
...            offset=np.int_().itemsize,
...            dtype=int) # offset = 1*itemsize, i.e. skip first element
array([2, 3])

从上面的示例中，我们注意到我们无法为“缓冲区”分配列表，我们不得不使用numpy.array（）返回缓冲区的ndarray对象

结论：numpy.array()如果要制造numpy.ndarray()物体，则使用“

我认为与np.array()您一起只能创建C，尽管您提到了该命令，但是当您使用np.isfortran()它检查时说是false。但是，np.ndarrray()当您指定订单时，它将根据提供的订单创建订单。