В чем разница между функциями array () и asarray () Numpy?

В чем разница между Numpy array()и asarray()функциями? Когда вы должны использовать один, а не другой? Кажется, они генерируют идентичный вывод для всех входов, которые я могу придумать.

Поскольку на этот вопрос перенаправляются другие вопросы, в которых задаются вопросы asanyarrayили другие процедуры создания массива , вероятно, стоит иметь краткое описание того, что делает каждый из них.

Различия главным образом заключаются в том, когда возвращать ввод без изменений, а не в создании нового массива в качестве копии.

arrayпредлагает широкий спектр опций (большинство других функций - тонкие обертки вокруг него), включая флаги для определения, когда копировать. Полное объяснение займет столько же времени, сколько и документы (см. Создание массива , но вкратце, вот несколько примеров:

Предположим , aэто ndarrayи mесть matrix, и они оба имеют dtypeиз float32:

• np.array(a)и np.array(m)скопирует оба, потому что это поведение по умолчанию.
• np.array(a, copy=False)и np.array(m, copy=False)будет копировать, mно не a, потому что mне является ndarray.
• np.array(a, copy=False, subok=True)и не np.array(m, copy=False, subok=True)будет копировать ни один, потому что mэто matrix, который является подклассом ndarray.
• np.array(a, dtype=int, copy=False, subok=True)скопирует оба, потому что dtypeне совместим.

Большинство других функций являются тонкими обертками вокруг arrayэтого элемента управления, когда происходит копирование:

• asarray: Вход будет возвращен не скопированным, если он совместим ndarray( copy=False).
• asanyarray: Входные данные будут возвращены не скопированными, если они совместимы ndarrayили подкласс типа matrix( copy=False, subok=True).
• ascontiguousarray: Ввод будет возвращен не скопированным, если он совместим ndarrayв непрерывном C-порядке ( copy=False, order='C').
• asfortranarray: Ввод будет возвращен не скопированным, если он совместим ndarrayв непрерывном порядке Фортрана ( copy=False, order='F').
• require: Входные данные будут возвращены не скопированными, если они совместимы с указанной строкой требований.
• copy: Ввод всегда копируется.
• fromiter: Входные данные обрабатываются как итеративные (например, вы можете создать массив из элементов итератора вместо objectмассива с итератором); всегда копируется.

Существуют также вспомогательные функции, такие как asarray_chkfinite(те же правила копирования, что и asarray, но повышаются, ValueErrorесли они есть, nanили infзначения), и конструкторы для подклассов, таких как matrixили для особых случаев, таких как массивы записей, и, конечно, фактический ndarrayконструктор (который позволяет создавать массив напрямую. из шагов по буферу).

Определениеasarray является следующим :

def asarray(a, dtype=None, order=None):
    return array(a, dtype, copy=False, order=order)

Так оно и есть array, за исключением того, что у него меньше вариантов, и copy=False. arrayимеет copy=Trueпо умолчанию.

Основным отличием является то, что array(по умолчанию) будет делать копию объекта, а asarrayне будет без необходимости.

Разницу можно продемонстрировать на этом примере:

1. генерировать матрицу

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

2. использовать numpy.arrayдля изменения A. Не работает, потому что вы изменяете копию

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

3. использовать numpy.asarrayдля изменения A. Это сработало, потому что вы модифицируете Aсебя

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

Надеюсь это поможет!

Различия упомянуты достаточно четко в документации arrayи asarray. Различия заключаются в списке аргументов и, следовательно, в зависимости от этих параметров.

Определения функций:

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

и

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

Следующие аргументы - это аргументы, которые могут быть переданы, arrayа не asarray как указано в документации:

copy: bool, необязательный Если true (по умолчанию), то объект копируется . В противном случае копия будет сделана только в том случае, если она будет __array__возвращена, если obj является вложенной последовательностью или если копия требуется для удовлетворения любых других требований (dtype, order и т. Д.).

subok: bool, необязательный Если True, то подклассы будут переданы , в противном случае возвращаемый массив будет вынужден быть массивом базового класса (по умолчанию).

ndmin: int, необязательный параметр Указывает минимальное количество измерений, которое должен иметь результирующий массив . Каждый будет предварительно привязан к форме, необходимой для удовлетворения этого требования.

Вот простой пример, который может продемонстрировать разницу.

Основное отличие состоит в том, что массив будет копировать исходные данные и, используя другой объект, мы можем изменить данные в исходном массиве.

import numpy as np
a = np.arange(0.0, 10.2, 0.12)
int_cvr = np.asarray(a, dtype = np.int64)

Содержимое в массиве (a) остается без изменений, и тем не менее мы можем выполнить любую операцию с данными, используя другой объект, не изменяя содержимое в исходном массиве.

asarray(x) как array(x, copy=False)

Используйте, asarray(x)если вы хотите убедиться, что xэто будет массив до того, как будут выполнены любые другие операции. Если xэто уже массив, то копия не будет сделана. Это не приведет к избыточному снижению производительности.

Вот пример функции, которая гарантирует, что xсначала преобразуется в массив.

def mysum(x):
    return np.asarray(x).sum()