NumPy中np.array和np.asarray的异同点

本文主要是介绍NumPy中np.array和np.asarray的异同点，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

• 相同点：两者都可以根据传入的结构数据(如列表)创建一个ndarray数组对象。

• 不同点：当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，即创建一个新的对象；但asarray不会，与原数据共享同一内存。

• np.array() 函数原型：

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

  说明：Create an array. array() 方法创建一个新的对象。

• np.asarray() 函数原型：

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

  说明：Convert the input to an array。asarray() 方法将原数据转换为新的ndarray 对象。

Example

# 原数据为列表类型
score = [70, 75, 78]
arr1 = np.array(score)
arr2 = np.asarray(score)
score[1] = 100    # 改变原数据
print("score: ", score)
print("arr1: ", arr1)
print("arr2: ", arr2)

输出结果：
score: [70, 100, 78]
arr1: [70 75 78]
arr2: [70 75 78]

原数据为列表类型时，改变原数据，array 和asarray 方法返回的对象都没有发生变化。

# 原数据为ndarray 数组
score = np.array([70, 75, 78])
arr1 = np.array(score)
arr2 = np.asarray(score)
score[1] = 100   # 改变原数据
print("score: ", score)
print("arr1: ", arr1)
print("arr2: ", arr2)

输出结果：
score: [ 70 100 78]
arr1: [70 75 78]
arr2: [ 70 100 78]

原数据为ndarray 数组时，改变原数据，array 方法返回的对象没有变化，而asarray 方法返回的对象跟着改变。

这篇关于NumPy中np.array和np.asarray的异同点的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---