上一主题

numpy.full_like

下一主题

numpy.asarray

numpy.array

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

创建数组。

参数:

object:array_like

数组,暴露数组接口的任何对象,__array__方法返回数组的对象或任何(嵌套)序列。

dtype:数据类型,可选

数组的所需数据类型。如果未给出,则类型将被确定为在序列中保存对象所需的最小类型。这个参数只能用于'upcast'数组。对于向下转换,使用.astype(t)方法。

copy:bool,可选

如果为true(默认),则复制对象。Otherwise, a copy will only be made if __array__ returns a copy, if obj is a nested sequence, or if a copy is needed to satisfy any of the other requirements (dtype, order, etc. )。

order:{'C','F','A'},可选

指定数组的顺序。如果顺序是'C',那么数组将是C连续的顺序(last-index变化最快)。如果顺序是'F',则返回的数组将是Fortran连续的顺序(first-index变化最快)。如果顺序是“A”(默认),则返回的数组可以是任何顺序(C-,Fortran连续,或甚至不连续),除非需要副本,在这种情况下它将是C连续的。

subok:bool,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:int,可选

指定生成的数组应具有的最小维数。将根据需要预先成形以满足该要求。

返回:

out:ndarray

满足指定要求的数组。

也可以看看

empty, empty_like, zeros, zeros_like, ones, ones_like, fill

例子

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

上传:

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

多个维度:

>>> 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]])