Jaka jest różnica między funkcjami Array() Numpy i asarray ()?

Definicja asarray jest:

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

Więc jest jak array, z tym, że ma mniej opcji, i copy=False. array domyślnie posiada copy=True.

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

Różnicę można wykazać za pomocą tego przykładu:

1. Wygeneruj macierz

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

2. Użyj numpy.array, aby zmodyfikować A. Nie działa, ponieważ modyfikujesz kopię

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

3. Użyj numpy.asarray, aby zmodyfikować A. Działa, ponieważ modyfikujesz A siebie

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

Mam nadzieję, że to pomoże!

Różnice są dość wyraźnie wymienione w dokumentacji array oraz asarray. Różnice leżą w liście argumentów i stąd działanie funkcji w zależności od tych parametrów.

Definicje funkcji to:

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

I

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

Poniższe argumenty mogą być przekazane array i nie asarray Jak wspomniano w dokumentacji:

Copy: bool, optional If true (domyślnie), wtedy obiekt zostanie skopiowany . W przeciwnym razie kopia zostanie wykonana tylko wtedy, gdy __array__ zwróci kopię, jeśli obj jest sekwencją zagnieżdżoną, lub jeśli kopia jest potrzebna, aby spełnić którekolwiek z inne wymagania (dtype, order, etc.).

Subok : bool, opcjonalne Jeśli True, to podklasy będą przepuszczone , w przeciwnym razie zwracana tablica będzie zmuszona do tablica klasy base (domyślnie).

Ndmin: int, opcjonalnie określa minimalną liczbę wymiarów że tablica wynikowa powinna mieć. Te będą wstępnie przypięte do kształtu w razie potrzeby, aby spełnić ten wymóg.

Oto prosty przykład, który może wykazać różnicę.

Główną różnicą jest to, że tablica zrobi kopię oryginalnych danych i używając innego obiektu możemy zmodyfikować dane w oryginalnej tablicy.

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

Zawartość w tablicy (a) pozostaje nietknięta, a mimo to możemy wykonać dowolną operację na danych przy użyciu innego obiektu bez modyfikowania zawartości w oryginalnej tablicy.

asarray(x) jest jak array(x, copy=False)

Użyj asarray(x), gdy chcesz mieć pewność, że x będzie tablicą przed wykonaniem innych operacji. Jeśli x jest już tablicą, to nie zostanie wykonana żadna Kopia. Nie spowodowałoby to zbytniego spadku wydajności.

Oto przykład funkcji, która zapewnia, że x zostanie przekonwertowana jako pierwsza do tablicy.

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