numpy.array

麻木的。array ( object , dtype = None , * , copy = True , order = 'K' , subok = False , ndmin = 0 , like = None )

创建一个数组。

参数：

类似数组的对象

数组、公开数组接口的任何对象、其 __array__方法返回数组的对象或任何（嵌套）序列。如果 object 是标量，则返回包含 object 的 0 维数组。

dtype数据类型，可选

数组所需的数据类型。如果未给出，NumPy 将尝试使用dtype可以表示值的默认值（通过在必要时应用提升规则）。

复制布尔值，可选

如果为 true（默认），则复制该对象。否则，仅当__array__返回副本、obj 是嵌套序列或需要副本来满足任何其他要求（dtype、order等）时才会创建副本。

顺序{'K', 'A', 'C', 'F'}，可选

指定数组的内存布局。如果对象不是数组，则新创建的数组将采用 C 顺序（行主要），除非指定“F”，在这种情况下它将采用 Fortran 顺序（列主要）。如果对象是数组，则以下内容成立。

命令	没有副本	复制=真
'K'	不变	保留 F & C 顺序，否则最相似的顺序
'A'	不变	如果输入是 F 而不是 C，则为 F 顺序，否则为 C 顺序
'C'	C阶	C阶
'F'	F阶	F阶

当copy=False出于其他原因进行复制时，结果与 if 相同copy=True，但“A”有一些例外，请参阅注释部分。默认顺序是“K”。

subok布尔，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）。

ndmin整数，可选

指定结果数组应具有的最小维数。将根据需要在形状前面添加一些以满足此要求。

类似array_like，可选

允许创建非 NumPy 数组的引用对象。如果传入的类似数组like支持__array_function__协议，则结果将由它定义。在这种情况下，它确保创建一个与通过此参数传入的数组对象兼容的数组对象。

1.20.0 版本中的新增功能。

返回：

输出数组

满足指定要求的数组对象。

也可以看看

empty_like

返回一个具有输入形状和类型的空数组。

ones_like

返回具有输入形状和类型的数组。

zeros_like

返回具有输入形状和类型的零数组。

full_like

返回一个新数组，其输入形状填充有值。

empty

返回一个新的未初始化的数组。

ones

将新数组设置值返回为 1。

zeros

将新数组设置值返回为零。

full

返回填充有值的给定形状的新数组。

笔记

当 order 为“A”并且object是既不是“C”也不是“F”顺序的数组，并且通过 dtype 的更改强制进行副本时，结果的顺序不一定是预期的“C”。这可能是一个错误。

例子

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

向上转型：

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

多维：

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

最小尺寸 2：

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

提供类型：

>>> 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])

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]])