numpy.array#

numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)#

创建数组.

参数:
objectarray_like

一个数组,任何暴露数组接口的对象,一个其 __array__ 方法返回数组的对象,或任何(嵌套)的序列.如果 object 是一个标量,则返回包含 object 的 0 维数组.

dtypedata-type,可选

数组所需的数据类型.如果未给定,NumPy 将尝试使用一个默认的 dtype ,它可以表示这些值(必要时通过应用提升规则.)

copybool,可选

如果为 True (默认),则复制数组数据.如果为 None ,则仅当 __array__ 返回副本,如果 obj 是一个嵌套序列,或者如果需要副本以满足任何其他要求( dtype , order ,等等)时,才会创建副本.请注意,数据的任何副本都是浅层的,即,对于具有对象 dtype 的数组,新数组将指向相同的对象.有关示例,请参见 ndarray.copy .对于 False ,如果无法避免复制,则会引发 ValueError .默认值: True .

order{‘K’, ‘A’, ‘C’, ‘F’},可选

指定数组的内存布局.如果 object 不是数组,则新创建的数组将采用 C 顺序(行优先),除非指定 ‘F’,在这种情况下,它将采用 Fortran 顺序(列优先).如果 object 是一个数组,则以下内容成立.

order

no copy

copy=True

‘K’

unchanged

保留 F & C 顺序,否则为最相似的顺序

‘A’

unchanged

如果输入为 F 且不为 C,则为 F 顺序,否则为 C 顺序

‘C’

C 顺序

C 顺序

‘F’

F 顺序

F 顺序

当 copy=None 并且由于其他原因创建了副本时,结果与 copy=True 相同,但对于 ‘A’ 有一些例外,请参见"注释"部分.默认顺序为 ‘K’.

subokbool,可选

如果为 True,则子类将被传递,否则返回的数组将被强制为基类数组(默认).

ndminint, optional

指定结果数组应具有的最小维度数.将根据需要将 Ones 添加到形状的开头以满足此要求.

like类数组,可选

引用对象,允许创建非 NumPy 数组的数组.如果作为 like 传入的类数组支持 __array_function__ 协议,则结果将由它定义.在这种情况下,它可以确保创建与通过此参数传入的对象兼容的数组对象.

在 1.20.0 版本加入.

返回:
outndarray

满足指定要求的数组对象.

参见

empty_like

返回一个具有输入形状和类型的空数组.

ones_like

返回一个具有输入形状和类型的 1 数组.

zeros_like

返回一个具有输入形状和类型的 0 数组.

full_like

返回一个用值填充的具有输入形状的新数组.

empty

返回一个新的未初始化数组.

ones

返回一个将值设置为 1 的新数组.

zeros

返回一个将值设置为零的新数组.

full

返回一个用值填充的给定形状的新数组.

copy

返回给定对象的数组副本.

注释

当 order 为 ‘A’ 并且 object 是一个既不是 ‘C’ 也不是 ‘F’ 顺序的数组,并且由于 dtype 的更改而强制复制时,结果的顺序不一定是预期的 ‘C’.这可能是一个错误.

示例

>>> import numpy as np
>>> np.array([1, 2, 3])
array([1, 2, 3])

向上转型:

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

超过一个维度:

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

最小维度 2:

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

提供的类型:

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

由多个元素组成的数据类型:

>>> x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
>>> x['a']
array([1, 3], dtype=int32)

从子类创建数组:

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

>>> np.array(np.asmatrix('1 2; 3 4'), subok=True)
matrix([[1, 2],
        [3, 4]])
On this page