Numpyのarray（）関数とasarray（）関数の違いは何ですか？

Numpy array()とasarray()関数の違いは何ですか？どちらを使用するべきか。彼らは私が考えることができるすべての入力に対して同じ出力を生成するようです。

他の質問は、この質問asanyarrayや他の配列作成ルーチンについて尋ねられる質問にリダイレクトされているので、それぞれの機能について簡単に要約しておく価値があります。

違いは主に、新しい配列をコピーとして作成するのではなく、入力を変更せずに返すタイミングです。

arrayは、コピーするタイミングを決定するフラグを含む、さまざまなオプションを提供します（他のほとんどの機能はその周りの薄いラッパーです）。完全な説明は、ドキュメントと同じくらい長くかかります（配列の作成を参照してください。簡単に言えば、ここにいくつかの例があります：

想定aされndarray、そしてmありmatrix、そして彼らの両方が持っているdtypeのをfloat32：

• np.array(a)そしてnp.array(m)それは、デフォルトの動作なので、両方をコピーします。
• np.array(a, copy=False)そしてnp.array(m, copy=False)コピーしますmが、ないaので、mではありませんndarray。
• np.array(a, copy=False, subok=True)とのサブクラスであるであるnp.array(m, copy=False, subok=True)ため、どちらもコピーしません。mmatrixndarray
• np.array(a, dtype=int, copy=False, subok=True)はdtype互換性がないため、両方をコピーします。

他のほとんどの関数はarray、コピーが発生したときにそのコントロールを囲む薄いラッパーです。

• asarray：入力は、互換性がある場合ndarray（copy=False）にコピーされずに返されます。
• asanyarray：入力は、互換性のある、ndarrayまたはmatrix（copy=False、subok=True）のようなサブクラスである場合に、コピーされずに返されます。
• ascontiguousarray：入力はndarray、連続するC順序（copy=False、order='C')。
• asfortranarray：ndarray連続したFortran順序（copy=False、order='F'）で互換性がある場合、入力はコピーされずに返されます。
• require：指定された要件文字列と互換性がある場合、入力はコピーされずに返されます。
• copy：入力は常にコピーされます。
• fromiter：入力は反復可能として扱われます（objectつまり、反復子を持つ配列の代わりに、反復子の要素から配列を作成できます）。常にコピーされます。

そこコンビニエンス機能などもあるasarray_chkfinite（同じコピー規則asarrayが、昇給はValueErrorどんな存在する場合nanまたはinf値）、などサブクラスのコンストラクタmatrixまたはレコードの配列のような特別な場合のためには、もちろん実際のndarrayことができますコンストラクタ（あなたが直接配列を作成しますバッファを超えたストライド）。

の定義asarrayは次のとおりです。

def asarray(a, dtype=None, order=None):
    return array(a, dtype, copy=False, order=order)

したがってarray、オプションが少ないことを除いて、に似ていますcopy=False。デフォルトでarray持っcopy=Trueています。

主な違いは、array（デフォルトでは）オブジェクトのコピーが作成されることですが、asarray必要でない限り作成されません。

この違いは、次の例で実証できます。

1. 行列を生成する

   >>> A = numpy.matrix(numpy.ones((3,3)))
   >>> A
   matrix([[ 1.,  1.,  1.],
           [ 1.,  1.,  1.],
           [ 1.,  1.,  1.]])

2. numpy.arrayを変更するために使用しAます。コピーを変更しているため機能しません

   >>> numpy.array(A)[2]=2
   >>> A
   matrix([[ 1.,  1.,  1.],
           [ 1.,  1.,  1.],
           [ 1.,  1.,  1.]])

3. numpy.asarrayを変更するために使用しAます。あなたA自身を変更しているので、それは働いた

   >>> numpy.asarray(A)[2]=2
   >>> A
   matrix([[ 1.,  1.,  1.],
           [ 1.,  1.,  1.],
           [ 2.,  2.,  2.]])

お役に立てれば！

違いは、のドキュメントにはかなり明確に言及されているarrayとasarray。違いは引数リストにあり、したがってこれらのパラメーターに応じた関数のアクションにあります。

関数の定義は次のとおりです。

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

そして

numpy.asarray(a, dtype=None, order=None)

以下の引数をに渡すことができるものであるarrayといない asarray文書で述べたように：

copy：bool、オプションtrue（デフォルト）の場合、オブジェクトがコピーされます。そうでない場合、コピーが__array__返される場合、objがネストされたシーケンスである場合、または他の要件（dtype、順序など）を満たすためにコピーが必要な場合にのみ、コピーが作成されます。

subok：bool、オプションTrueの場合、サブクラスがパススルーされます。それ以外の場合、返される配列は強制的にベースクラス配列になります（デフォルト）。

ndmin：int、オプション結果の配列に必要な最小次元数を指定します。この要件を満たすために、必要に応じて形状にプリペンドされます。

これは、違いを示すことができる簡単な例です。

主な違いは、配列は元のデータのコピーを作成し、別のオブジェクトを使用して元の配列のデータを変更できることです。

import numpy as np
a = np.arange(0.0, 10.2, 0.12)
int_cvr = np.asarray(a, dtype = np.int64)

配列（a）の内容はそのままで、元の配列の内容を変更せずに、別のオブジェクトを使用してデータに対して任意の操作を実行できます。

asarray(x) のようなものです array(x, copy=False)

他の操作が行われる前に配列になることasarray(x)を確認する場合に使用しますx。もしx、すでに配列で、その後何のコピーは行われないであろう。冗長なパフォーマンスへの影響はありません。

以下は、x最初に配列に変換されることを保証する関数の例です。

def mysum(x):
    return np.asarray(x).sum()