numpy.array

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

创建array。

参数： object ：array_like

一个数组，任何暴露数组接口的对象，

其剩余的__array__方法返回数组的对象，

或任何(嵌套的)序列。

dtype ：data-type, 可选

数组所需的数据类型。如果没有给出，

则类型将被确定为保存序列中对象所需的最小类型。

copy ：bool, 可选

如果为true(默认)，则复制该对象。否则，

只有当剩余__array__ 返回副本时，如果obj是嵌套序列，

或者如果需要副本来满足其他任何要求(dtype, order，等等)，

才会产生副本。

order：{‘K’, ‘A’, ‘C’, ‘F’}, 可选

指定数组的内存布局。如果对象不是一个数组，

新创建的数组将是C顺序(行主格式)，除非’F’被指定，

在这种情况下，它将是Fortran顺序(列主格式)。

如果对象是一个数组，则如下所示。

order   no copy        copy=True

‘K’        unchanged   保留F＆C order， 否则最相似的order

‘A’         unchanged   如果输入是F而不是C，则为F order，

否则为C order

‘C’        C order         C order

‘F’         F order         F order

当copy = False且由于其他原因进行复制时，

结果与copy = True相同，但A例外，请参见注释部分。

默认顺序为‘K’。

subok：bool, 可选

如果为True，则将传递子类，否则，

返回的数组将被强制为基类数组（默认）。

ndmin：int, 可选

指定结果数组应具有的最小维数。

可以根据需要预先添加shape。
返回值： out ：ndarray

满足指定要求的数组对象。

 

Notes

如果order为'A'并且object是既不是'C'也不是'F'的数组，并且由于dtype的改变而强制执行复制，则结果的顺序不一定是预期的'C'。 这可能是一个错误。

 

例子

>>> 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])

数据类型包含多个元素：

>>> x = np.array([(1,2),(3,4)],dtype=[('a','),('b',')])
>>> 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]])