Numpy - array vs asarray

Question

Jaka jest różnica między funkcjami Numpy'ego array() i asarray()? Kiedy należy użyć jednego, a nie drugiego? Wydaje się, że generują identyczny wynik dla wszystkich wejść, jakie mogę wymyślić.

Answer 1

definition of asarray jest:

Tak to jest jak array, oprócz tego, że ma mniej opcji i copy=False. array ma domyślnie wartość copy=True.

Główna różnica polega na tym, że array (domyślnie) tworzy kopię obiektu, natomiast asarray nie będzie konieczne, chyba że będzie to konieczne.

Answer 2

Różnice są dość wyraźnie wymienione w dokumentacji array i asarray. Różnice polegają na liście argumentów, a zatem działaniu funkcji w zależności od tych parametrów.

Definicje funkcji są:

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

i

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

następujące argumenty są te, które mogą być przekazywane do array i nieasarray jak wspomniano w dokumentacji:

kopia: bool, o ptional Jeśli true (domyślnie), to obiekt jest kopiowany. W przeciwnym razie kopia zostanie wykonana tylko wtedy, gdy __array__ zwróci kopię, jeśli obj jest sekwencją zagnieżdżoną lub jeśli jest potrzebna kopia, aby spełnić którekolwiek z pozostałych wymagań (typ, kolejność itp.).

subok: bool, opcjonalnie Jeśli prawda, następnie podklasy będzie przekazywana przez, w przeciwnym razie zwrócona tablica będzie musiał być baza klasy array (domyślnie).

ndmin: int, opcjonalny Określa minimalną liczbę wymiarów , która powinna mieć otrzymana tablica:. Zostaną one wstępnie dostosowane do kształtu zgodnie z potrzebami, aby spełnić to wymaganie.

Answer 3

Różnice te można wykazać w następującym przykładzie:

1. wygenerowania macierzy

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

2. użycia numpy.array modyfikacji A. Nie działa, ponieważ jesteś modyfikując kopię

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

3. korzystanie numpy.asarray zmodyfikować A.To zadziałało, ponieważ modyfikują A sobie

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

nadzieję, że to pomaga!