numpy array和asarray

对于numpy而言，array和asarray都是用于创建数组的函数，它们的作用是相似的，但也存在一些区别。

首先，array函数总是会复制输入数组，而asarray函数则只会在输入不是数组时复制（即输入为列表等对象时），如果输入已经是一个数组，使用asarray函数不会复制，它直接返回输入数组的视图。

其次，array函数还有其它的一些参数，例如dtype、copy等，可以用于控制返回的数组的数据类型和是否复制。而asarray函数只有一个参数，也就是输入的数组或者可转换为数组的对象。

另外，array函数可以将一个序列数据（如列表）转换成数组，而asarray函数则只能接受数组或array_like的对象作为输入。在实践中，我们一般使用array函数来创建新的数组，而使用asarray函数来在保持数据不变的情况下将输入数据转换为数组。

总的来说，numpy的array和asarray这两个函数都是用于创建数组的重要工具，它们在某些方面存在差异，使用时需要根据具体的需求选择合适的函数。

相关问题

(Numpy array,[Numpy array])怎么提取后面的那个[Numpy array]呀？

如果有一个包含两个元素的元组，第一个元素是一个NumPy数组，第二个元素是一个NumPy数组列表，可以使用索引来访问元组的第二个元素。例如，如果有一个元组t，可以使用t[1]来访问第二个元素，也就是NumPy数组列表。示例如下：

import numpy as np

t = (np.array([1, 2, 3]), [np.array([4, 5]), np.array([6, 7])])
second_arr_list = t[1]  #访问元组的第二个元素，即NumPy数组列表
print(second_arr_list)

输出结果为：

[array([4, 5]), array([6, 7])]

这里的`second_arr_list`就是元组t的第二个元素，即一个NumPy数组列表。可以使用列表索引来访问其中的元素，例如，`second_arr_list[0]`访问列表中的第一个元素，即一个NumPy数组。

numpy array和matrix区别

在numpy中，array和matrix是两种不同的数据结构。array可以是多维的（1D，2D，3D····ND），而matrix必须是2维的。实际上，matrix是array的一个小的分支，包含于array，因此matrix拥有array的所有特性。

在numpy中，matrix的主要优势是相对简单的乘法运算符号。如果a和b是两个matrices，那么a*b就是矩阵积。例如：
import numpy as np
= np.mat('4 3; 2 1')
b = np.mat('1 2; 3 4')
print(a)
# [[4 3]
# [2 1]]
print(b)
# [[1 2]
# [3 4]]
print(a*b)
# [[13 20]
# [ 5 8]]

而在array中，乘法运算符号*代表的是元素逐个相乘的操作。

另一个区别是，在做归约运算时，array的维数会发生变化，但matrix总是保持为2维。例如，对于一个matrix m：
m = np.mat([[1,2],[2,3]])
求平均值的运算mm = m.mean(1)会得到一个2行1列的matrix：
mm = m.mean(1)
# matrix([[ 1.5],
# [ 2.5]])

但对于一个array，同样的运算会得到一个一维的array：
a = np.array([[1,2],[2,3]])
aa = a.mean(1)
# array([ 1.5, 2.5])

因此，array和matrix的区别在于维度改变和乘法运算的不同。