numpy 下的数据结构与数据类型的转换（np.array vs. np.asarray）

原创 2017年02月18日 10:35:43

• 1089
• 0
• 0

1. np.asarray —— numpy 风格的类型转换

从已有多维数组创建新的多维数组，数据类型可重新设置

>> B = np.asarray(A, dtype='int32')
1

2. np.array() vs np.asarray

源码之前，了无秘密。 
两者的区别和联系，铜通过查看源码，一目了然：

def asarray(a, dtype=None, order=None):    return array(a, dtype, copy=False, order=order)
1
2

两者主要的区别在于，array（默认）复制一份对象，asarray不会执行这一动作。

>>> a = np.array([1, 2])>>> np.asarray(a) is aTrue>>> np.array(a) is aFalse
1
2
3
4
5

3. ndarray.tolist()

ndarray.tolist()与np.array()构成一对互操作

>>> X = np.random.randn(3, 3)>>> Xarray([[ 0.25272657, -1.81033933,  0.5215726 ],       [ 1.24087521,  0.86335847,  1.79204052],       [-0.65888093,  1.1561787 , -0.53913756]])>>> Y = X.tolist()>>> Y[[0.25272657237043794, -1.8103393348620243, 0.5215726035022588], [1.240875214113897, 0.8633584724959652, 1.7920405210518087], [-0.6588809297676459, 1.1561787010379958, -0.5391375573892387]]>>> np.array(Y)array([[ 0.25272657, -1.81033933,  0.5215726 ],       [ 1.24087521,  0.86335847,  1.79204052],       [-0.65888093,  1.1561787 , -0.53913756]])>>> Xarray([[ 0.25272657, -1.81033933,  0.5215726 ],       [ 1.24087521,  0.86335847,  1.79204052],       [-0.65888093,  1.1561787 , -0.53913756]])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

什么情况下需要将numpy ndarray转化为list呢？需要序列化（serialization）时，numpy ndarray是不可序列化的。