Numpy - array vs asarray

Question

Qual è la differenza tra le funzioni di Numpy array() e asarray()? Quando dovresti usare uno piuttosto che l'altro? Sembrano generare output identici per tutti gli input che riesco a pensare.

Answer 1

Il definition of asarray è:

quindi è come array, eccetto che ha un minor numero di opzioni e copy=False. array ha copy=True per impostazione predefinita.

La differenza principale è che array (per impostazione predefinita) creerà una copia dell'oggetto, mentre asarray non sarà necessario.

Answer 2

Le differenze sono menzionate abbastanza chiaramente nella documentazione di array e asarray. Le differenze si trovano nella lista degli argomenti e quindi l'azione della funzione dipende da quei parametri.

Le definizioni di funzione sono:

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

e

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

I seguenti argomenti sono quelli che possono essere passato a array e nonasarray come menzionato nella documentazione:

copia: bool, o paction Se true (valore predefinito), l'oggetto viene copiato. Altrimenti, una copia verrà eseguita solo se __array__ restituisce una copia, se obj è una sequenza nidificata o se è necessaria una copia per soddisfare uno qualsiasi degli altri requisiti (dtype, ordine, ecc.) Di .

subok: bool, opzionale Se True, sottoclassi saranno passò-through, altrimenti la matrice restituita sarà costretto a essere una base di classe gamma (default).

ndmin: int, opzionale Specifica il numero minimo di dimensioni che deve avere l'array risultante. Le unità saranno pre-pese nella forma secondo necessità per soddisfare questo requisito.

Answer 3

La differenza può essere dimostrata con questo esempio:

1. generare una matrice

   >>> A = numpy.matrix(np.ones((3,3))) 
   >>> A 
   matrix([[ 1., 1., 1.], 
        [ 1., 1., 1.], 
        [ 1., 1., 1.]]) 
   

2. uso numpy.array modificare A. Non funziona perché si sta modificando una copia

   >>> numpy.array(A)[2]=2 
   >>> A 
   matrix([[ 1., 1., 1.], 
        [ 1., 1., 1.], 
        [ 1., 1., 1.]]) 
   

3. uso numpy.asarray modificare A.Ha funzionato perché si sta modificando A stesso

   >>> numpy.asarray(A)[2]=2 
   >>> A 
   matrix([[ 1., 1., 1.], 
        [ 1., 1., 1.], 
        [ 2., 2., 2.]]) 
   

Spero che questo aiuti!