Numpy - 数组 vs asarray

Question

Numpy的^{}函数和^{}函数有什么区别？你应该什么时候用一个而不是另一个？它们似乎为我能想到的所有输入生成相同的输出。

Answer 1

由于其他问题正被重定向到这个问题，这个问题是关于asanyarray或other array creation routines的，所以可能有必要对它们各自的工作做一个简短的总结。

不同之处主要在于何时返回未更改的输入，而不是将新数组作为副本。

^{}提供了各种各样的选项（大多数其他函数都是围绕它的瘦包装器），包括确定何时复制的标志。一个完整的解释需要和文档一样长的时间（参见Array Creation，但是简单地说，这里有一些示例：

假设a是ndarray，而m是matrix，它们都有dtype的float32：

• np.array(a)和np.array(m)将同时复制，因为这是默认行为。
• np.array(a, copy=False)和np.array(m, copy=False)将复制m，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的一个子类。
• np.array(a, dtype=int, copy=False, subok=True)将同时复制两者，因为dtype不兼容。

其他大多数函数都是array周围的薄包装器，用于控制何时进行复制：

• ^{}：如果输入是兼容的ndarray（copy=False），则返回未分片的输入。
• ^{}：如果输入是兼容的ndarray或类似于matrix（copy=False，subok=True）的子类，则返回未分片的输入。
• ^{}：如果输入是连续的C顺序（copy=False，order='C')）中的兼容的ndarray，则返回未分片的输入。
• ^{}：如果输入是以连续的Fortran顺序（copy=False，order='F'）兼容的ndarray，则返回未分片的输入。
• ^{}：如果输入与指定的需求字符串兼容，则将返回uncapied。
• ^{}：始终复制输入。
• ^{}：输入被视为iterable（因此，例如，您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）；始终被复制。

还有一些方便的函数，例如^{}（与asarray相同的复制规则，但是如果有nan或inf值，则会引发ValueError），以及matrix之类的子类或记录数组之类的特殊情况的构造函数，当然还有实际的^{}构造函数（它允许您直接创建一个数组缓冲区）。

Answer 2

这个例子可以证明这种差异：

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。它之所以起作用是因为您正在修改A本身

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

希望这有帮助！

Answer 3

definition of ^{}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默认情况下有copy=True。

主要的区别是array（默认情况下）将生成对象的副本，而asarray将不会，除非有必要。