Python从数值范围创建数组的区别

numpy.asarray, numpy.frombuffer, 和 numpy.fromiter 是NumPy库中用于创建数组的三个不同函数，它们各自适用于不同的场景并有着不同的特性。

numpy.asarray

• 用途：numpy.asarray 用于将输入转换为一个NumPy数组。如果输入已经是一个NumPy数组，它将不会复制数据，而是直接返回原数组。对于其他类型的数据（如列表、元组、任何数组接口兼容的对象等），它会将其转换成NumPy数组。

• 场景：这个函数非常适用于确保某个对象是NumPy数组的情况。如果你不确定输入数据的类型，但需要确保它作为一个NumPy数组来处理（不必要复制已存在的数组），那么使用asarray是一个好选择。

import numpy as np # 从列表创建数组 lst = [1, 2, 3] rr = np.asarray(lst) 

numpy.frombuffer

• 用途：numpy.frombuffer 用于从字节缓冲区（如二进制文件中读取的数据）创建一个NumPy数组，而不需要进行中间复制操作。这意味着它可以直接在原始内存缓冲区上创建数组视图，从而提高效率。

• 场景：适用于处理二进制数据或从文件中直接读取数据的场合。例如，从一个文件读取一个大型的二进制数组时，使用frombuffer可以避免不必要的数据复制，提高程序的效率。

import numpy as np # 假设buf是从文件中读取的二进制数据 
buf = b'\x01\x02\x03\x04' 
arr = np.frombuffer(buf, dtype=np.uint8) 

numpy.fromiter

• 用途：numpy.fromiter 是从任意可迭代对象（如迭代器、生成器、列表等）创建一个新的一维NumPy数组。与asarray相比，它允许从迭代过程中动态生成的数据创建数组，同时可以指定数组的数据类型。

• 场景：当你有一个懒加载的或无法一次性加载到内存的数据生成器时，使用fromiter可以有效地将这些数据转换为NumPy数组。这对于处理大数据集或者只能按需生成数据的情况特别有用。

import numpy as np # 从迭代器创建数组 
iterable = (x*x for x in range(5)) 
arr = np.fromiter(iterable, dtype=np.float) 

总结

• 使用asarray来确保你的对象是一个NumPy数组，尤其是在不需要复制已经是NumPy数组的数据时。
• frombuffer非常适合于直接从二进制数据或文件中高效加载大型数组，因为它避免了中间的复制步骤。
• fromiter适用于从迭代器或生成器等可迭代对象创建数组，特别是当数据是动态生成且数据量可能很大时。

每种方法根据你的具体需求和数据来源的不同，都有其独特的适用场景。