image_array = np.asarray(temp, dtype=np.uint8)

时间: 2024-05-26 13:07:04 浏览: 124

浅谈numpy中np.array()与np.asarray的区别以及.tolist

5星 · 资源好评率100%

在Python的科学计算库NumPy中，`np.array()` 和 `np.asarray()` 都是用来创建数组对象的方法，但它们在处理已有数组时有着微妙的区别。本文将深入探讨这两个函数的区别以及`.tolist()`方法的用途。让我们了解 `np.array()` 和 `np.asarray()` 的基本功能。它们都能将不同类型的数据结构（如列表、元组）转换为NumPy的多维数组（ndarray）。然而，当输入已经是ndarray时，两者的处理方式就不同了。 1. **输入为列表时**： - `np.array()` 会创建一个新的ndarray对象，即使输入已经是ndarray，它也会复制一份数据，分配新的内存空间。 - `np.asarray()` 如果输入是ndarray，它不会创建新的副本，而是直接返回输入的引用，这意味着对原数组的修改会影响到返回的ndarray。 ```python a = [[1,2,3],[4,5,6],[7,8,9]] b = np.array(a) c = np.asarray(a) a[2] = 1 print(a) # 修改列表不影响b和c print(b) print(c) ``` 2. **输入为数组时**： - 当输入是ndarray，`np.array()` 创建的副本不会随着原始数组的改变而改变。 - `np.asarray()` 返回的是输入数组的视图（view），因此，如果对输入数组进行修改，返回的ndarray也会相应更新。 ```python a = np.random.random((3,3)) print(a.dtype) b = np.array(a, dtype='float64') # 创建副本 c = np.asarray(a, dtype='float64') # 创建视图 a[2] = 2 print(a) print(b) # b不受a影响 print(c) # c受a影响，因为是视图 ``` 在上面的例子中，当尝试更改数据类型时，`np.array()` 会创建一个新数组，而 `np.asarray()` 仅转换数据类型，但不复制数据。所以，即使输入是浮点数，改变输入的值时，使用`np.asarray()`创建的数组仍然会反映这些更改。 3. **转换为list类型**： `.tolist()` 方法可以将ndarray转换为Python列表。这个操作在需要将数组序列化或与其他不支持ndarray的函数交互时非常有用，因为ndarray本身不是可序列化的。序列化是将数据转换为可以存储或传输的格式的过程，例如JSON或XML。 ```python a = np.random.random((3,3)) b = a.tolist() a[1] = 2 print(a) # 修改ndarray会影响自身 print(b) # 不影响转换后的列表 ``` 补充知识：在计算机视觉库OpenCV中，有时我们需要将整数转换为固定长度的字符串，例如在保存图像文件名时。`cv::format`函数可以实现这一需求，它允许我们控制数字的小数位数： ```cpp int currentFrame = 2; std::stringstream frame_name; frame_name << cv::format("%.3d", currentFrame) << ".jpg"; // 或者使用C++11的字符串操作 std::string save_frame_path = std::to_string(currentFrame).substr(0,3) + ".jpg"; ``` 总结来说，`np.array()` 和 `np.asarray()` 在创建ndarray时的主要区别在于是否复制数据，而`.tolist()`方法则用于将ndarray转换为Python列表。理解这些区别对于有效管理和操作NumPy数组至关重要。在处理大型数据时，避免不必要的复制可以显著提高程序性能。

image_array = np.asarray(temp, dtype=np.uint8)是将temp转换为一个NumPy数组，并指定数据类型为无符号8位整数（uint8）[^1]。这个函数可以用于将任何可迭代对象转换为NumPy数组。范例： ```python import numpy as np temp = [1, 2, 3, 4, 5] image_array = np.asarray(temp, dtype=np.uint8) print(image_array) ``` 输出： ``` [1 2 3 4 5] ```

阅读全文

image_array = np.asarray(temp, dtype=np.uint8)

相关推荐

【数据挖掘重要笔记day31】详细完解决iris = sns.load_dataset(‘iris’)出来EmptyDataError: No columns to parse from file报错

PaddleTS 是一个易用的深度时序建模的Python库，它基于飞桨深度学习框架PaddlePaddle，专注业界领先的深度模型，旨在为领域专家和行业用户提供可扩展的时序建模能力和便捷易用的用户体验

白色大气风格的乐器爱好者网站模板下载.zip

海外派遣员工管理守则.docx

flowable-demo-master

图书管理系统-数据库设计报告.docx

白色风格的手机网站模板下载.rar

白色淡雅风的商务企业网站模板下载.zip

白色大气风格的企业站通用整站网站源码下载.zip

PCle AI加速卡在医疗影像诊断中的应用.docx

【图像压缩】基于matlab GUI Haar小波变换图像压缩（含PSNR）【含Matlab源码 9979期】.zip

白色大气简洁的时装模特企业网站模板下载.zip

西门子PLC 1214C 做的压机控制 可以在触摸屏上任意编辑压装逻辑 该程序为一台设备的完成程序 包含很多工能块 压机控制程序+汇川PN伺服块+脉冲控制块+以太网TCP功能块 + 气缸块+托盘

数据分析-58-谷歌应用市场的APP分析

“开学第一课”小学儿童教育家长会宣传模板.pptx

2024注册测绘师考试讲义-大地测量与海洋测绘

最新推荐

PaddleTS 是一个易用的深度时序建模的Python库，它基于飞桨深度学习框架PaddlePaddle，专注业界领先的深度模型，旨在为领域专家和行业用户提供可扩展的时序建模能力和便捷易用的用户体验

白色大气风格的乐器爱好者网站模板下载.zip

海外派遣员工管理守则.docx

RStudio中集成Connections包以优化数据库连接管理

管理建模和仿真的文件

Keil uVision5全面精通指南

flink提交给yarn19个全量同步MYsqlCDC的作业，flink的配置参数怎样设置

PHP博客旅游的探索之旅

"互动学习：行动中的多样性与论文攻读经历"

【单片机编程实战】：掌握流水灯与音乐盒同步控制的高级技巧

西门子PLC 1214C 做的压机控制可以在触摸屏上任意编辑压装逻辑该程序为一台设备的完成程序包含很多工能块压机控制程序+汇川PN伺服块+脉冲控制块+以太网TCP功能块 + 气缸块+托盘