NumPy（细节）知识点/坑汇总

  持续更新中，先占个坑 : )

  该篇文章记录本人在科研与工程中运用 NumPy 时遇到的一些（细节）知识点/坑。很多内容可能平时不太会注意，也可能在功能实现上没有任何影响，但是出于性能（内存利用与时间）的考虑，这些内容应该值得注意。

以下内容均默认已导入 NumPy 和 PyTorch：

import numpy as np

一、方法 np.array 与 np.asarray

  当传入参数均为列表（list）时，两者没有区别，都会开辟一个新的内存空间，产生一个新的 numpy.ndarray。

>>> a = [0, 1, 2, 3]
>>> a
[0, 1, 2, 3]
>>> b = np.array(a)
>>> b
array([0, 1, 2, 3])
>>> c = np.asarray(a)
>>> c
array([0, 1, 2, 3])

  当出入的参数是 numpy.ndarray 数组时，np.array 开辟新的内存空间，返回新的 NumPy 数组；np.asarray 原封不动地返回传入的 numpy.ndarray（的引用）。

>>> a = np.array([0, 1, 2, 3])
>>> a
array([0,