numpy.asarray

麻木的。asarray ( a , dtype = None , order = None , * , like = None )

将输入转换为数组。

参数：

类似数组

输入数据，可以是任何可以转换为数组的形式。这包括列表、元组列表、元组、元组的元组、列表的元组和 ndarray。

dtype数据类型，可选

默认情况下，数据类型是根据输入数据推断的。

顺序{'C', 'F', 'A', 'K'}，可选

内存布局。 'A' 和 'K' 取决于输入数组 a 的顺序。 “C”行优先（C 风格）、“F”列优先（Fortran 风格）内存表示。如果a是 Fortran 连续的，则“A”（任意）表示“F” ，否则表示“C”，“K”（保留）保留输入顺序 默认为“K”。

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

的数组解释。如果输入已经是具有匹配数据类型和顺序的 ndarray，则不会执行任何复制。如果a是 ndarray 的子类，则返回基类 ndarray。

也可以看看

asanyarray

类似的函数通过子类传递。

ascontiguousarray

将输入转换为连续数组。

asfarray

将输入转换为浮点 ndarray。

asfortranarray

将输入转换为具有列优先内存顺序的 ndarray。

asarray_chkfinite

检查 NaN 和 Infs 输入的类似函数。

fromiter

从迭代器创建一个数组。

fromfunction

通过在网格位置上执行函数来构造数组。

例子

将列表转换为数组：

>>> a = [1, 2]
>>> np.asarray(a)
array([1, 2])

不复制现有数组：

>>> a = np.array([1, 2])
>>> np.asarray(a) is a
True

如果dtype设置，则仅当 dtype 不匹配时才复制数组：

>>> a = np.array([1, 2], dtype=np.float32)
>>> np.asarray(a, dtype=np.float32) is a
True
>>> np.asarray(a, dtype=np.float64) is a
False

与 相反asanyarray，ndarray 子类不会被传递：

>>> issubclass(np.recarray, np.ndarray)
True
>>> a = np.array([(1.0, 2), (3.0, 4)], dtype='f4,i4').view(np.recarray)
>>> np.asarray(a) is a
False
>>> np.asanyarray(a) is a
True