np.array和np.asarray

时间: 2023-04-24 22:06:48 浏览: 376

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。

np.array和np.asarray都是numpy库中用于创建数组的函数。 np.array可以将输入的数据转换为数组，如果输入的是一个列表或元组，则会创建一个新的数组，如果输入的是一个数组，则会返回一个相同的数组。 np.asarray也可以将输入的数据转换为数组，但是如果输入的是一个数组，则不会创建一个新的数组，而是直接返回原始数组。总的来说，np.array更加灵活，可以处理各种类型的输入数据，而np.asarray则更加高效，适用于处理大规模的数组数据。

阅读全文

np.array和np.asarray

相关推荐

np.array和np.asarray()的区别

np.array(0) / np.array(0) np.array(0) // np.array(0) np.array([np.nan]).astype(int).astype(float)

high1 = np.array([np.inf] * 225).astype(np.float32) high2 = np.array([np.inf] * 225).astype(np.float32) high3 = np.array([np.inf] * 225).astype(np.float32) high = np.concatenate((high1, high2, high3), axis=1)

return np.array(x), np.array(y), np.array(u), np.array(r).reshape(-1, 1), np.array(d).reshape(-1, 1)

np.asarray和np.array区别

np.asarray和np.array的区别

np.asarray和np.array分别是什么功能

np.array与np.asarray的区别

np.array 添加一个np.array

np.array套np.array具体是什么数据类型

请给下面代码添加注释 import numpy as npdef least_squares(X, y): X = np.array(X) y = np.array(y) w = np.linalg.inv(X.T @ X) @ X.T @ y return wX = np.array([[1, 2], [1, 3], [1, 4]])y = np.array([2, 3, 4])w = least_squares(X, y)print(w)

ARCore（Android的增强现实）：ARCore性能优化与调试技巧.docx

最新推荐

Python Numpy:找到list中的np.nan值方法

IEEE 14总线系统Simulink模型开发指南与案例研究

管理建模和仿真的文件

【数据安全黄金法则】：R语言中party包的数据处理与隐私保护

Takagi-Sugeno模糊控制方法的原理是什么？如何设计一个基于此方法的零阶或一阶模糊控制系统？

STLinkV2.J16.S4固件更新与应用指南

"互动学习：行动中的多样性与论文攻读经历"

【R语言高级用户指南】：10个理由让你深入挖掘party包的潜力

在设计基于80C51单片机和PCF8563的电子时钟时，如何编写中断服务程序以确保时间的精确更新和防止定时器溢出？

Java并发处理的实用示例分析