NumPy中asarray函数的参数详解与array/asanyarray区别解析

NumPy中asarray的用法

函数说明

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

将输入数据转换为数组对象 array。

输入参数

• a：类数组。这是输入的原始数据，可以是任何可转换为数组的形式，例如列表、元组列表、元组、元组的元组、列表的元组以及现有的 ndarray 对象；
• dtype：数据类型，可选参数。若未指定，默认情况下该参数将与输入数据的现有数据类型保持一致。
• order：{'C','F'}，可选。用于指定内存布局是行优先（C-style）还是列优先（Fortran-style）。默认值为行优先。

返回值

• out：ndarray。返回输入数据 'a' 的数组形式。如果输入已经是符合 dtype 和 order 参数要求的 ndarray，则不会执行复制操作；若输入是 ndarray 的子类，则返回该子类的基类 ndarray。

实例

将列表转换为数组

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

如果输入已经是匹配的数组，则不会进行复制。

>>> a = np.array([1, 2])
>>> np.asarray(a) is a
True

当指定了 'dtype' 参数时，仅当输入数据的 dtype 与指定参数不匹配时，才会创建新数组；否则返回原数组引用。

>>> a = np.array([1, 2], dtype=np.float32)
>>> np.asarray(a, dtype=np.float32) is a
True
>>> np.asarray(a, dtype=np.float64) is a
False

与 'asanyarray' 不同，'asarray' 不会保留 ndarray 的子类，而是将其转换为基类 ndarray。

>>> issubclass(np.recarray, np.ndarray)
True
>>> a = np.array([(1.0, 2), (3.0, 4)], dtype='f4,i4').view(np.recarray)
>>> np.asarray(a) is a
False
>>> np.asanyarray(a) is a
True

numpy中array,asarray和asanyarray区别

先讨论默认情况下

1、array和asarray都可以将结构数据转化为ndarray，主要区别在于：当数据源本身已是 ndarray 时，array 会强制 copy 出一个新副本，占用新的内存空间，而 asarray 则不会进行复制，直接返回原数组引用。

也就是说，当数据是 ndarray 时，执行 a = array（b）后，a 和 b 不再占用同一块内存；而在 asarray 中，a 和 b 指向同一内存地址，修改 b 会直接影响 a。

2、asarray和asanyarray的区别在于，np.asanyarray 会返回 ndarray 或其子类（如 matrix），而 np.asarray 仅返回标准的 ndarray。这意味着对于 ndarray 的子类，asanyarray 不会进行复制，而 asarray 会。

array、asarray，asanyarray的区别还受到两个参数控制

即copy和subok，下面具体举例

而array默认设置copy=True

假设a是一个数组，m是一个矩阵，它们的数据类型都是float32：

• np.array（a）和np.array（m）都将执行复制，因为这是默认行为。
• np.array（a，copy=False）和np.array（m，copy=False）将复制 m 而不是 a，因为 m 不是 ndarray 类型。
• np.array（a，copy=False，subok=True）和np.array（m，copy=False，subok=True）都不会执行复制，因为 m 是矩阵，它是 ndarray 的子类。
• 由于数据类型不兼容，数组（a，dtype=int，copy=False，subok=True）将同时复制两者。
• asanyarray：如果输入是兼容的 ndarray 或类似 matrix 的子类（且设置 copy=False，subok=True），则将返回未复制的输入对象。

下面举几个详细的例子

array和asarray的区别

import numpy as np  
  
#example 1:  
data1=[[1,1,1],[1,1,1],[1,1,1]]  
arr2=np.array(data1)  
arr3=np.asarray(data1)  
data1[1][1]=2  
print 'data1:\n',data1  
print 'arr2:\n',arr2  
print 'arr3:\n',arr3

输出

data1: [[1, 1, 1], [1, 2, 1], [1, 1, 1]] arr2: [[1 1 1] [1 1 1] [1 1 1]] arr3: [[1 1 1] [1 1 1] [1 1 1]]

结论：面对元组数据结构，array和asarray没有区别，都对元数据进行了复制并转化为ndarray。

import numpy as np  
  
#example 2:  
arr1=np.ones((3,3))  
arr2=np.array(arr1)  
arr3=np.asarray(arr1)  
arr1[1]=2  
print 'arr1:\n',arr1  
print 'arr2:\n',arr2  
print 'arr3:\n',arr3

输出

arr1: [[ 1. 1. 1.] [ 2. 2. 2.] [ 1. 1. 1.]] arr2: [[ 1. 1. 1.] [ 1. 1. 1.] [ 1. 1. 1.]] arr3: [[ 1. 1. 1.] [ 2. 2. 2.] [ 1. 1. 1.]]

结论：当数据源是ndarray时，array会copy出一个副本，占用新的内存，但asarray不会。

asarray和asanyarray的区别例子

issubclass(np.matrix, np.ndarray)
True
a = np.matrix([[1, 2]])
np.asarray(a) is a#返回的不是子类。
False
np.asanyarray(a) is a#np.asanyarray(a)返回是a的子类
True

以上为个人经验，希望能给大家一个参考，也希望大家多多支持本站。