深入解析 numpy 中 np.array() 与 np.asarray() 的区别及 .tolist 用法

np.array 与 np.asarray 的核心区别

np.array 和 np.asarray 均用于将结构数据转换为 ndarray 格式，但核心区别在于内存处理机制。当输入数据源已经是 ndarray 时，np.array 会创建一个全新的副本，从而占用额外的内存空间；而 np.asarray 则尽量保持原数据，不生成副本，从而节省内存。

输入为列表时的行为

1. 当输入数据为列表时

a=[[1,2,3],[4,5,6],[7,8,9]]
b=np.array(a)
c=np.asarray(a)
a[2]=1
print(a)
print(b)
print(c)

在此场景下，np.array 与 np.asarray 的功能表现一致，均将输入列表转换为矩阵格式。需要注意的是，修改原始列表中的元素值，并不会影响已经转换生成的矩阵数据，两者在此情况下均表现出独立性。

输入为数组时的行为差异

2. 当输入数据为数组（ndarray）时

a=np.random.random((3,3))
print(a.dtype)
b=np.array(a,dtype='float64')
c=np.asarray(a,dtype='float64')
a[2]=2
print(a)
print(b)
print(c)

通过上述结果可以清晰看出两者的关键差异：当输入为数组时，np.array 执行的是拷贝操作，生成独立副本；而 np.asarray 执行的是视图（view）操作，指向同一内存区域。因此，随着原始输入数据的改变，np.array 的输出结果保持不变，而 np.asarray 的输出会随之变化。此外，若在 np.asarray 中指定类型转换（例如将 float64 转为 float32），则生成的新数组将拥有独立内存，此时即使原始输入改变，np.asarray 的输出也不会再发生变化。

数组转列表的方法与应用场景

3. 将 array 类型转换为 list 类型

a=np.random.random((3,3))
print(a.dtype)
b=a.tolist()
a[1]=2
print(a)
print(b)

如上所示，.tolist 方法用于将 numpy 数组转换为 Python 原生 list 格式，这可以视为 np.array 操作的逆过程。那么，何时需要将 np.ndarray 转换为 list 呢？主要场景涉及数据序列化（serialization）。由于 np.ndarray 对象本身不支持标准的序列化操作，因此在需要持久化存储或网络传输前，通常需先将其转换为 list 格式。

OpenCV 字符串格式化补充

补充知识：OpenCV 中将 int 类型数字转换为固定长度字符串的方法 cv::format

int currentFrame = 2;

stringstream frame_name;
frame_name << cv::format("%.3d",currentFrame) << ".jpg";

或者采用以下写法：

String save_frame_path; save_frame_path = cv::format("%.3d", frame_num) + ".jpg";

以上关于 numpy 中 np.array() 与 np.asarray() 的区别以及 .tolist 用法的解析即为全部内容，希望能为读者提供有效的参考。