numpy.array

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

创建数组。

参数

objectarray_like

一个数组，任何暴露数组接口的对象，一个 __array__ 方法返回数组或任何（嵌套）序列。

dtype数据类型，可选

数组所需的数据类型。如果没有给出，那么类型将被确定为在序列中保存对象所需的最小类型。

copy可选的布尔

如果为真（默认），则复制对象。否则，只有在 __array__ 如果obj是嵌套序列，或者需要一个副本来满足任何其他要求，则返回一个副本。 (dtype ， order 等）。

order'K'、'A'、'C'、'F'，可选

指定数组的内存布局。如果对象不是数组，除非指定了“f”，否则新创建的数组将按C顺序（主要行）排列，在这种情况下，它将按FORTRAN顺序（主要列）排列。如果对象是一个数组，则以下内容保持不变。

秩序	无副本	复制=真
“K”	不变	F&C订单保留，否则最相似的订单
“A”	不变	如果输入是f而不是c，则为f order，否则为c order。
“C”	C级	C级
“F”	F阶	F阶

什么时候？ copy=False 由于其他原因复印一份，结果与 copy=True ，除了一些例外 A ，请参见“注释”部分。默认顺序为“k”。

subok可选的布尔

如果为true，则将通过子类，否则返回的数组将强制为基类数组（默认）。

ndmin可选的

指定结果数组应具有的最小维度数。为了满足这一要求，将根据需要预挂到形状上。

likearray_like

引用对象以允许创建非NumPy数组的数组。如果像这样的数组传入为 like 支持 __array_function__ 协议，结果将由它定义。在这种情况下，它确保创建与通过此参数传入的对象兼容的数组对象。

注解

这个 like 关键字是一个实验性的特性，有待接受 NEP 35 .

1.20.0 新版功能.

返回

out恩达雷

满足指定要求的数组对象。

参见

empty_like

返回一个带有形状和输入类型的空数组。

ones_like

返回一个包含形状和输入类型的数组。

zeros_like

返回一个带有形状和输入类型的零数组。

full_like

返回一个新数组，输入的形状用值填充。

empty

返回新的未初始化数组。

ones

返回一个新的数组设置值。

zeros

将新数组设置值返回零。

full

返回用值填充的给定形状的新数组。

笔记

当订单为“A”且 object 不是按“c”或“f”顺序的数组，并且副本是由数据类型的更改强制执行的，则结果的顺序不一定如预期的“c”。这可能是一个错误。

实例

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

Upcasting：

>>> 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]])

提供的类型：

>>> 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]])

numpy.full_like numpy.asarray