NumPy函数库是Python开发环境的一个独立模块，是Python的一个开源的数值计算扩展工具。在使用NumPy库之前，必须首先导入该函数库，导入方式为import numpy as np.

其中array和asarray都可以将结构数据转化为ndarray，两者的主要区别在于 np.array (默认情况下)会copy该对象，而 np.asarray一般不会copy该对象(除非必要)。

【源码定义】

• np.array 的定义：

def array(a, dtype=None, order=None):

return array(a, dtype, copy=True, order=order)

• np.asarray 的定义：

def asarray(a, dtype=None, order=None):

return array(a, dtype, copy=False, order=order)

从源码定义，可以看出np.array进行了复制,而np.asarray对darray数据类型不进行复制。

【举例说明】

• #example 1:输入都为列表

import numpy as np

data1=[[1,1,1],[1,1,1],[1,1,1]]

arr2=np.array(data1)

arr3=np.asarray(data1)

data1[1][1]=2

print 'data1:\n',data1

print 'arr2:\n',arr2

print 'arr3:\n',arr3

输出：

data1: [[1, 1, 1], [1, 2, 1], [1, 1, 1]]

arr2:

[[1 1 1]

[1 1 1]

[1 1 1]]

arr3:

[[1 1 1]

[1 1 1]

[1 1 1]]

可见array和asarray没有区别，都对元数据进行了复制。

• #example 2:输入都为ndarray

import numpy as np

arr1=np.ones((3,3))

arr2=np.array(arr1)

arr3=np.asarray(arr1)

arr1[1]=2

print 'arr1:\n',arr1

print 'arr2:\n',arr2

print 'arr3:\n',arr3

输出：

arr1:

[[ 1. 1. 1.]

[ 2. 2. 2.]

[ 1. 1. 1.]]

arr2:

[[ 1. 1. 1.]

[ 1. 1. 1.]

[ 1. 1. 1.]]

arr3:

[[ 1. 1. 1.]

[ 2. 2. 2.]

[ 1. 1. 1.]]

此时两者才表现出区别。修改了arr1，arr3也会跟着改变。

【注意】如果在np.asarray时改变数据类型，也会进行重新复制。

import numpy as np

arr7 = np.ones((3,3))

print("dtype of arr7:",arr7.dtype)

arr8 = np.asarray(arr7,dtype = np.int8)

print("dtype of arr8:",arr8.dtype)

print("arr7:\n",arr7)

print("arr8:\n",arr8)

print(arr7 is arr8)

结果：

import numpy as np

dtype of arr7: float64

dtype of arr8: int8

arr7:

[[1. 1. 1.]

[1. 1. 1.]

[1. 1. 1.]]

arr8:

[[1 1 1]

[1 1 1]

[1 1 1]]

False

【总结】

np.asarray只对numpy的内部数据类型ndarray有用，而且仅在只改变数据数值时不会重新赋值。建议赋值数据时用np.asarray，有时候可以减少内存占用。