Автор оригинала: Team Python Pool.

Почему Numpy asarray() так важен в Python?

Что такое Numpy asarray?

Функция numpy asarray() используется, когда необходимо преобразовать входные данные в массив. Независимо от того, являются ли входные данные списком, списками кортежей, кортежами, кортежами кортежей, кортежами списков и ndarrays, это функция модуля numpy, присутствующего в стандартной библиотеке python.

Синтаксис

numpy.asarray(sequence, ,,)  

Параметры

1. Data – Это входные данные, которые мы хотим преобразовать в массив. Это может быть список, списки кортежей, кортежи, кортежи кортежей, кортежи списков и ndarrays.
2. dtype – Это тип данных, который является необязательным в синтаксисе. Если мы не определяем его в синтаксисе, он определяется по умолчанию, выводимым из входных данных.
3. Order – Это также необязательно в синтаксисе. Он просто решает, использовать ли представление памяти в виде строки или столбца.
4. like – Это ссылочный объект, который позволяет создавать массивы, которые не являются массивами numpy.

Возвращать

Ни одна из копий не выполняется, если вход уже является ndarray с соответствующими dtype и order. Если массив является подклассом ndarray, то возвращается базовый класс ndarray.

Ни одна из копий не выполняется, если вход уже является ndarray с соответствующими dtype и order. Если массив является подклассом ndarray, то возвращается базовый класс ndarray.

1. Преобразование списка в массив

В этом примере мы преобразуем список в массив с помощью модуля numpy и используем функцию asarray() в numpy.

import numpy as np

lst = [1,2,3,4,5]
print("Input List : ",lst)
.asarray(lst)
print("Array formed : ",converted_list)

Выход:

Input List :  [1, 2, 3, 4, 5]
Array formed :  [1 2 3 4 5]

Объяснение:

Здесь, во-первых, мы импортировали numpy как np. Во-вторых, мы взяли простой список некоторых элементов. В-третьих, мы преобразовали этот список в массив и напечатали результат.

Здесь, во-первых, мы импортировали numpy как np. Во-вторых, мы взяли простой список некоторых элементов. В-третьих, мы преобразовали этот список в массив и напечатали результат.

В этом примере мы преобразуем кортеж в массив с помощью модуля numpy и используем функцию asarray() в numpy.

import numpy as np

tuple1 = ([2, 4, 6], [8, 10, 12], [14, 16, 18]) 
print ("Input tuple : ",tuple1) 
    .asarray(tuple1)  
print("Array converted : ", converted_tuple)

Выход:

Input tuple :  ([2, 4, 6], [8, 10, 12], [14, 16, 18])
Array converted :  [[ 2  4  6]
 [ 8 10 12]
 [14 16 18]]

Объяснение:

Здесь, во-первых, мы импортировали numpy как np. Во-вторых, мы взяли входные данные в виде кортежа. В-третьих, преобразовал кортеж в массив с помощью функции asarray() и напечатал вывод.

3. Проверка существующего массива

3. Проверка существующего массива

import numpy as np
.array([1, 2, 3])
np.asarray(a) is a

3. Проверка существующего массива

True

3. Проверка существующего массива

Здесь мы проверили с помощью встроенной функции, является ли он массивом или нет.

4. Проверка типа() массива

В этом примере мы проверим тип данных массива с помощью функции type ().

import numpy as np  
  
lst=[1,2,3,4,5,6,7,8,9,10]  
  .asarray(lst);    
  
print(a)
print(type(a))

Выход:

[1 2 3 4 5 6 7 8 9 10]

Объяснение:

Здесь мы импортировали numpy в качестве стандартной библиотеки np. Затем мы взяли список и преобразовали его в массив. Наконец, мы проверили, что список, который мы преобразовали, теперь относится к какому типу, то есть типу данных.

5. Использование множественного списка в numpy.asarray()

В этом примере мы будем использовать несколько списков во входных данных, а затем преобразуем несколько списков в массив.

import numpy as np
  
lst=[[1,2,3,4,5],[6,7,8,9]]
  .asarray(lst);
  
print(type(converted_lst))  
print(converted_lst)

Выход:

[list([1, 2, 3, 4, 5]) list([6, 7, 8, 9])]

Объяснение:

Здесь, во-первых, мы импортировали numpy в качестве стандартной библиотеки np. Во-вторых, мы ввели в них несколько списков, а затем преобразовали этот список в массив с помощью функции asarray (). Наконец, мы напечатали type() и преобразованный список, то есть теперь массив.

Здесь, во-первых, мы импортировали numpy в качестве стандартной библиотеки np. Во-вторых, мы ввели в них несколько списков, а затем преобразовали этот список в массив с помощью функции asarray (). Наконец, мы напечатали type() и преобразованный список, то есть теперь массив.

import numpy as np
.array([3, 5],.float32)
np.asarray(x,.float32) is x

Здесь, во-первых, мы импортировали numpy в качестве стандартной библиотеки np. Во-вторых, мы ввели в них несколько списков, а затем преобразовали этот список в массив с помощью функции asarray (). Наконец, мы напечатали type() и преобразованный список, то есть теперь массив.

True

Объяснение:

Здесь мы использовали функцию type в программе с np.float32, поэтому вывод получился верным. Если мы используем np.float64, то вывод будет ложным.

Плюсы Numpy.asarray()

• Он занимает меньше памяти по сравнению со списками, кортежами и т. Д.
• Это помогает найти тип входных данных, с помощью которого мы можем дополнительно оптимизировать код.
• Мы можем легко преобразовать список, списки кортежей, кортежи, кортежи кортежей, кортежи списков и т. Д. В массив.
• Скорость намного выше, чем у списков.

Минусы Numpy.asarray()

• Это требует непрерывного выделения памяти – Операции вставки и удаления становятся трудными, так как данные хранятся в непрерывном href=”https://www.cs.uah.edu/~rcoleman/Common/C_Reference/MemoryAlloc.html#:~:text=Memory%20allocation%20is%20the%20process,of%20a%20structure%20or%20class.”>выделение памяти. href=”https://www.cs.uah.edu/~rcoleman/Common/C_Reference/MemoryAlloc.html#:~:text=Memory%20allocation%20is%20the%20process,of%20a%20structure%20or%20class.”>выделение памяти.

Numpy array VS Numpy asarray

И numpy array, и numpy asarray могут преобразовывать данные в ndarray. Основное отличие заключается в том, что при попытке создать массив numpy с помощью np.array он создаст копию массива объектов и не будет отражать изменения в исходном массиве. С другой стороны, когда вы используете numpy asarray, он будет отражать изменения в исходном массиве.

Давайте разберемся с помощью примера:

import numpy as np
.array([5,6,7])
.array(arr).asarray(arr)

print("Array : ",x)
print("Asarray : ",y)

Выход:

Array :  [5 6 7]
Asarray :  [5 0 7]

Объяснение:

Здесь во-первых, мы импортировали модуль python numpy как np. Во-вторых, мы взяли входной массив. В-третьих, мы взяли две переменные, x и y, в которых мы оперировали np.array() и np.asarray() на входном массиве. Наконец, мы напечатали результат выполненной операции.

Ошибка памяти Numpy asarray

Memory error – Ошибка памяти означает, что у вас закончилась память в оперативной памяти для выполнения кода.

Когда возникает ошибка такого типа, это означает, что вы загрузили все свои данные в память. Для выполнения больших операций необходимо загрузить данные в пакетную обработку. Как и при загрузке всей программы, произойдет ошибка памяти, но если вы загружаете свои наборы данных на жесткий диск и получаете к ним доступ пакетами, вы не получите эту ошибку в функции numpy asarray.

Np.asarray() не может быть преобразован в Np.array()

Как мы знаем, мы можем преобразовать массив в asarray() с помощью модуля numpy в python, но самое интересное, что мы не можем преобразовать np.asarray() в np.array().

Давайте рассмотрим пример:

import numpy as np
.array([5,6,7])
.array(arr).asarray(arr)
.array(y)

print("Array : ",x)
print("Asarray : ",y)

print("Array : ",z)

Выход:

Array :  [5 6 7]
Asarray :  [5 0 7]
Array :  [5 0 7]

Объяснение:

Здесь во-первых, мы импортировали модуль python numpy как np. Во-вторых, мы взяли входной массив. В-третьих, мы взяли две переменные, x и y, в которых мы оперировали np.array() и np.asarray() на входном массиве. В-четвертых, мы напечатали результат выполненной операции. Наконец, мы пытаемся преобразовать np.asarray() в np.array в переменной z и напечатать вывод, но мы видим, что вывод не преобразуется обратно в массив.

Должен Читать

• [Решено] TypeError: Только Массивы Размера 1 Могут Быть Преобразованы В Скаляры Python Error
• Ошибка памяти Python | Как решить ошибку памяти в Python
• КАК PYTHON СОРТИРУЕТ СПИСОК КОРТЕЖЕЙ
• Python Any | [Explained] any() Функция в Python

Вывод

NumPy-это пакет python, в котором у нас есть функция asarray (), используемая для преобразования списка, кортежа в массив. Он также обеспечивает лучшую сложность времени выполнения и пространства. Если вы хотите выполнять операции общего назначения, используйте списки python. Но если вы заботитесь о производительности и сложности пространства, используйте функции Numpy.

Однако, если у вас есть какие-либо сомнения или вопросы, дайте мне знать в разделе комментариев ниже. Я постараюсь помочь вам как можно скорее.

Счастливого Пифонирования!