numpy中array和asarray的区别

一、简述

numpy.asarray(a,dtype=None,order=None)

功能描述：将输入数据（列表的列表，元组的元组，元组的列表等）转换为矩阵形式
a:数组形式的输入数据，包括list,元组的list，元组，元组的元组，元组的list和ndarrays
dtype:
数据类型由输入数据推导
 

二、实例
2.1将列表转化为数组

    from numpy import asarray
    my_list=[1,2,3,4]
    asarray(my_list)

输出：array([1, 2, 3, 4])
注：asarray对已经是数组的数据不做任何处理也不会被拷贝，可以如下验证：

    from numpy import array
    array([1,2,3,4])
    asarray(a) is a

输出：True
注：当dtype设置时，当且仅当dtpye不同时数据被会拷贝，比如：

    a=array([1,2,3,4],dtype=numpy.float32)
    asarray(a,dtype=numpy.float32) is a    #输出 True
    asarray(a,dtype=numpy.float64) is a    #输出 False

2.2将列表的列表转化为矩阵

    asarray([[1., 2], [3, 4], [5, 6]])
    asarray([[1., 2], [3, 4], [5, 6]]).shape #输出 （3,2）
    asarray([[1., 2], [3, 4], [5, 6]])[2,0]  #取第二行0列的值为：5

2.3将元组的列表转化为矩阵

asarray([(1,2,3),(4,5,6),(7,8,9)])
---------------------------------------------------------区别

array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，属于深拷贝。但asarray不会。

举例说明：

    import numpy as np
     
    #example 1:
    data1=[[1,1,1],[1,1,1],[1,1,1]]
    arr2=np.array(data1)
    arr3=np.asarray(data1)
    data1[1][1]=2
    print 'data1:\n',data1
    print 'arr2:\n',arr2
    print 'arr3:\n',arr3

输出：

    data1:
    [[1, 1, 1], [1, 2, 1], [1, 1, 1]]
    arr2:
    [[1 1 1]
     [1 1 1]
     [1 1 1]]
    arr3:
    [[1 1 1]
     [1 1 1]
     [1 1 1]]
可见array和asarray没有区别，都对元数据进行了复制。

 

    import numpy as np
     
    #example 2:
    arr1=np.ones((3,3))
    arr2=np.array(arr1)
    arr3=np.asarray(arr1)
    arr1[1]=2
    print 'arr1:\n',arr1
    print 'arr2:\n',arr2
    print 'arr3:\n',arr3

输出：

    arr1:
    [[ 1.  1.  1.]
     [ 2.  2.  2.]
     [ 1.  1.  1.]]
    arr2:
    [[ 1.  1.  1.]
     [ 1.  1.  1.]
     [ 1.  1.  1.]]
    arr3:
    [[ 1.  1.  1.]
     [ 2.  2.  2.]
     [ 1.  1.  1.]]

此时两者才表现出区别arr2没有改变，arr3和arr1同时被改变了，np.asarray属于浅拷贝。

 

补一下：

1.ndarray.max([int axis])

函数功能：求ndarray中指定维度的最大值，默认求所有值的最大值。

axis=0:求各column的最大值

axis=1:求各row的最大值

---------------------
作者：Gobsd
原文：https://blog.csdn.net/gobsd/article/details/56485177

作者：云梦泽1989
原文：https://blog.csdn.net/u012333003/article/details/34502651