NumPy 现有数据创建数组

说明

NumPy 教程持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

通常，可以通过使用 array() 函数将 Python 中以数组状结构排列的数值数据转换为数组。最明显的例子是列表和元组。

概览

有以下常用的方法，可以将现有的各类数据创建一个数组（按 np.xxx 格式使用）。

方法	说明
np.array(object[, dtype, copy, order, subok, ndmin])	创建数组的基本方法
np.asarray(a[, dtype, order])	将输入转换为数组
np.asanyarray(a[, dtype, order])	将输入转换为ndarray，但传递ndarray子类
np.ascontiguousarray(a[, dtype])	返回内存中的连续数组（ndim>=1），C 顺序
np.asmatrix(data[, dtype])	将输入解释为矩阵
np.copy(a[, order, subok])	返回给定对象的数组副本
np.frombuffer(buffer[, dtype, count, offset])	将缓冲区解释为一维数组
np.fromfile(file[, dtype, count, sep, offset])	从文本或二进制文件中的数据构造数组
np.fromfunction(function, shape, *[, dtype])	通过在每个坐标上执行函数来构造数组
np.fromiter(iterable, dtype[, count])	从可迭代对象对象创建一个新的一维数组
np.fromstring(string[, dtype, count, sep])	从字符串中的文本数据初始化的新一维数组
np.loadtxt(fname[, dtype, comments, delimiter, …])	从文本文件加载数据

创建数组 numpy.array

np.array 是最为基本的创建数组的方法，返回一个满足指定要求的数组对象 ndarray。

它的语法格式如下：

# 创建一个数组
numpy.array(object, dtype=None, *,
            copy=True, order='K',
            subok=False, ndmin=0)

参数

object: array_like
数组、任何暴露数组接口的对象，对象的 __array__ 方法返回数组或者任何（嵌套的）序列
dtype: data-type, optional
数组所需要的数据类型。如果未给出，则将类型认定为在序列中保存对象所需的最小类型（minimum type）
copy: bool, optional
如果为 true（默认值），则复制对象。否则，将仅用 __array__ 返回副本，如果obj 是嵌套序列或满足其他任何要求（dtype，order 等）需要副本时，才创建副本
order: {‘K’, ‘A’, ‘C’, ‘F’}, optional
指定数组的内存布局。如果 object 不是数组，则除非指定为 'F'，否则新创建的数组将以 C 顺序（行为主），在这种情况下，它将以 Fortran 顺序（列为主）。如果object 是一个数组，则保持以下规则：

order	copy=False	copy=True
‘K’	unchanged	保留 F＆C 顺序，否则最相似的顺序
‘A’	unchanged	如果输入是 F 而不是 C，则为 F 顺序，否则为 C 顺序
‘C’	C order	C 顺序
‘F’	F order	F 顺序

注：当顺序为“ A”且对象不是 “ C”或 “ F” 顺序的数组，并且由于 dtype 的变化而强制执行复制时，结果的顺序不一定就是预期的 “ C”。这可能是一个 bug。

subok: bool, optional
如果为 True，则将传递子类，否则，返回的数组将被强制为基类数组（默认）
ndmin: int, optional
指定结果数组应具有的最小维数，可以根据需要预先添加形状

例子

np.array([1, 2, 3])
# array([1, 2, 3])

向上造型：

np.array([1, 2, 3.0])
# array([ 1.,  2.,  3.])

多个维度：

np.array([[1, 2], [3, 4]])
'''
array([[1, 2],
       [3, 4]])
'''

最小维数为 2：

np.array([1, 2, 3], ndmin=2)
# array([[1, 2, 3]])

指定类型：

np.array([1, 2, 3], dtype=complex)
# array([ 1.+0.j,  2.+0.j,  3.+0.j])

数据类型包含多个元素：

x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
x['a']
# array([1, 3])

从子类创建数组：

np.array(np.mat('1 2; 3 4'))
'''
array([[1, 2],
       [3, 4]])
'''
np.array(np.mat('1 2; 3 4'), subok=True)
'''
matrix([[1, 2],
        [3, 4]])
'''

转为数组 numpy.asarray

numpy.asarray(a, dtype=None, order=None) 将输入的类似列表的序列转换为数组。返回一个 ndarray。如果输入已经是具有匹配 dtype 和 order 的 ndarray，则不执行复制。如果 a 是 ndarray 的子类，则返回基类 ndarray。

参数

其中参数为：

a: array_like
输入数据，可以转换为数组的任何形式。这包括列表，元组嵌套列表，元组，元组嵌套元组，列表嵌套元组和 ndarray
dtype: data-type, optional
默认情况下，从输入数据中推断出数据类型
order: {‘C’, ‘F’}, optional
是使用行优先（C 风格）还是列优先（Fortran 风格）内存表示形式，默认按“ C”

例子

将列表转换为数组：

a = [1, 2]
np.asarray(a)
# array([1, 2])

现有数组未复制：

a = np.array([1, 2])
np.asarray(a) is a
# True

如果设置了 dtype，则仅当 dtype 不匹配时才复制数组：

a = np.array([1, 2], dtype=np.float32)
np.asarray(a, dtype=np.float32) is a
# True
np.asarray(a, dtype=np.float64) is a
# False

与 asanyarray 相反，ndarray 子类未通过传递：

issubclass(np.recarray, np.ndarray)
# True
a = np.array([(1.0, 2), (3.0, 4)], dtype='f4,i4').view(np.recarray)
np.asarray(a) is a
# False
np.asanyarray(a) is a
# True

作为任意数组 numpy.asanyarray

numpy.asanyarray(a, dtype=None, order=None) 将输入转换为 ndarray，如果 a 是 ndarray 或 ndarray 的子类，则按原样返回它，并且不执行复制。

将列表转换为数组：

a = [1, 2]
np.asanyarray(a)
# array([1, 2])

ndarray 子类的实例按原样传递：

a = np.array([(1.0, 2), (3.0, 4)], dtype='f4,i4').view(np.recarray)
np.asanyarray(a) is a
# True

深拷贝 numpy.copy

返回给定对象的数组副本，相当于 np.array(a, copy=True) 。

x = np.array([1, 2, 3])
y = x # 赋值
z = np.copy(x) # 深拷贝

x[0] = 0 # 修改数据

x
# array([0, 2, 3])
y # 随 x 修改而修改
# array([0, 2, 3])
z # 深拷贝未随 x 修改而修改
# array([1, 2, 3])

其他

其他方法有：

x = np.array([[1, 2], [3, 4]])
# 将输入解释为矩阵
m = np.asmatrix(x)
x[0,0] = 5 # 如果输入已经是矩阵或数组则不复制
m
'''
matrix([[5, 2],
        [3, 4]])
'''

参考

https://numpy.org/doc/stable/reference/routines.array-creation.html

< Array 数组创建 NumPy 教程创建特殊值数组 >

更新时间：Jan. 5, 2021, midnight 标签：numpy array