Numpy.array()的参数详细讲解---包括subok参数讲解

定义：numpy.array(object,dtype=None,copy=True,order=None,subok=False,ndmin=0)

 

参数解释： object: 表示一个数组序列

    dtype: 可选参数，通过它可以更改数组的数据类型---可将原来的整型或者其他类型进行强制转换
    
    copy: 可选参数，当数据源是ndarray 时表示数组能否被复制，默认是True
    
    order: 可选参数，以哪种内存布局创建数组，有3个可选值，分别是C（行序列）/F（列序列）/A（默认）
    
    ndmin: 可选参数，用于指定数组的维度--例如 一维数组、二维数组、三维数组等
    
    subok: 可选参数，类型为bool值，默认为False。  为True，使用object的内部数据类型； 为False 使用object数组的数据类型

1.设置dtype参数，默认自动识别，强制转换

实现代码如下：

a=np.array([1,2,3,4,5])
print(a)
#设置数组元素类型
has_dtype_a=np.array([1,2,3,4,5],dtype='float')
has_dtype_a

输出结果如下：

 

思考如何将浮点型数据，设置为整型，会是什么情况

----强制转换的过程中，直接取整数

实现代码如下：

np.array([1.1,2.5,3.8,4,5],dtype='int')

输出结果如下：

python中基础的赋值操作，当一个值赋值给另一个值时，一个值改变另一个值也会改变

         ---原因：python中基础赋值操作，赋值和被赋值的数的地址都是相同的

my_list1=[1,2,3,4]
my_list2=my_list1
print(my_list2)
my_list2[1]=10
print(my_list1)
my_list2

输出结果如下：

 获取其两个列表ID的代码如下：

print(id(my_list1))
print(id(my_list2))

输出结果如下:

可以发现两个链表地址指针指向同一个地址，故改变一个列表中的值，另一个列表中的值也相应改变

2.设置copy参数，默认为True

三种拷贝方法如下：

1、实现代码b=np.array(a)如下：

a=np.array([1,2,3,4])
#定义b数组，赋值a
b=np.array(a)
print(b)
#输出a和b的id值
print('a的id：',id(a))
print('b的id：',id(b))

 输出结果如下:

后续代码如下：
 

#当修改b的值时，a不会发生变化
b[0]=10
print('a:',a,'b:',b)
print('='*10)

  输出结果如下:

这种b=a的直接赋值操作，是试图操作，相当于列表的引用赋值

---------这种试图操作，会导致修改b元素时，a的元素也会发生变化

后续代码如下：

a=np.array([1,2,3,4])
#定义b数组，赋值a
b=a
print(b)
#输出a和b的id值
print('a的id：',id(a))
print('b的id：',id(b))

   输出结果如下:

3.ndmin 用于指定数组的维度

实现代码如下:
 

a=np.array([1,2,3,4])
print(a)
a=np.array([1,2,3,4],ndmin=2)
print(a)
a.ndim

    输出结果如下:

----一维数组a在ndmin=2的转换下成为二维数组

4.subok参数，类型为bool值，默认为False。为True时，使用object的内部数据类型； 为False时，使用数组的数据类型

--------如果为True，则新创建的数组将使用子类类型“a”，否则它将是基类数组

实现代码如下:
 

#创建矩阵
a=np.mat([1,2,3,4])
#输出为矩阵类型
print(type(a))
#既要赋值一份副本，又要保持原类型
at=np.array(a,subok=True)
af=np.array(a) #默认为False
print('at.subok为True:',type(at))
print('af.subok为False:',type(af))
print(id(af),id(a))

输出结果如下:

----可以看到在subok=True时创建的数组会为真正的子类类型也就是其内部数据类型是小类，在subok=False时创建的数组为基类也就是数组的数据类型是一大类

 

（注：以上所有代码均可直接复制粘贴在jupyter中直接运行）