numpy.array#

numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, ndmax=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，`__array__` 方法返回数组的对象，或任何（嵌套的）序列。如果 object 是标量，则返回一个包含 object 的 0 维数组。

dtype数据类型，可选

期望的数组数据类型。如果未给出，NumPy 将尝试使用可以表示这些值的默认 `dtype`（在必要时通过应用提升规则）。

copybool, optional

如果为 `True`（默认），则复制数组数据。如果为 `None`，只有当 `__array__` 返回副本，或者当 obj 是嵌套序列，或者需要副本以满足其他任何要求（`dtype`、`order` 等）时，才会进行复制。请注意，任何数据复制都是浅复制，即对于具有 object dtype 的数组，新数组将指向相同的对象。请参阅 `ndarray.copy` 的示例。如果为 `False`，则在无法避免复制时会引发 `ValueError`。默认值：`True`。

order{‘K’, ‘A’, ‘C’, ‘F’}, optional

指定数组的内存布局。如果 object 不是数组，则新创建的数组将是 C 序（行主序），除非指定了 ‘F’，在这种情况下它将是 Fortran 序（列主序）。如果 object 是数组，则有以下规则。

order

不复制

copy=True

‘K’

不变

保留 F 和 C 序，否则取最相似的序

‘A’

不变

如果输入是 F 序且不是 C 序，则为 F 序，否则为 C 序

‘C’

C 序

C 序

‘F’

F 序

F 序

当 `copy=None` 且出于其他原因进行复制时，结果与 `copy=True` 相同，但对 ‘A’ 有一些例外，请参阅“说明”部分。默认顺序为 ‘K’。

subokbool, optional

如果为 True，则会传递子类，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。会根据需要将 1 添加到形状的前面以满足此要求。

ndmaxint, optional

指定从嵌套序列推断形状时要创建的最大维度数。默认情况下（ndmax=0），NumPy 会递归到所有嵌套级别（直到编译时常量 `NPY_MAXDIMS`）。将 `ndmax` 设置为指定深度会停止递归，将更深的嵌套结构保留为对象，而不是提升为更高维度的数组。在这种情况下，需要 `dtype=object`。

版本 2.4.0 新增。

likearray_like, optional

用于创建非 NumPy 数组的引荐对象。如果传入的 like 支持 __array_function__ 协议，则结果将由它定义。在这种情况下，它确保创建与通过此参数传入的数组兼容的数组对象。

版本 1.20.0 中新增。

返回:
outndarray

满足指定要求的数组对象。

另请参阅

empty_like

返回一个形状和类型与输入数组相同的空数组。

ones_like

返回一个形状和类型与输入相同的全 1 数组。

zeros_like

返回一个形状和类型与输入相同的全 0 数组。

full_like

返回一个形状与输入相同、并用值填充的新数组。

empty

返回一个新的未初始化数组。

ones

返回一个新数组，将值设置为一。

zeros

返回一个新数组，将值设置为零。

full

返回一个给定形状并用指定值填充的新数组。

copy

返回给定对象的数组副本。

备注

当 order 是 ‘A’ 并且 `object` 是既非 ‘C’ 也非 ‘F’ 序的数组，并且由于 dtype 的更改强制进行复制时，结果的顺序不一定如预期的 ‘C’。这很可能是一个 bug。

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.])

多于一个维度

>>> 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])

包含多个元素的数据类型

>>> 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]])

使用 `ndmax` 限制最大维度

>>> a = np.array([[1, 2], [3, 4]], dtype=object, ndmax=2)
>>> a
array([[1, 2],
       [3, 4]], dtype=object)
>>> a.shape
(2, 2)

>>> b = np.array([[1, 2], [3, 4]], dtype=object, ndmax=1)
>>> b
array([list([1, 2]), list([3, 4])], dtype=object)
>>> b.shape
(2,)
在此页面