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(dtypeorder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

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]])