【NumPy】np.asarray() 函数：输入数据转换为 NumPy 数组，但不会复制数据（如果数据已经是 NumPy 数组）

np.asarray() 函数

np.asarray() 函数用于将输入数据转换为 NumPy 数组（ndarray），但不会复制数据（如果数据已经是 NumPy 数组），这与 np.array() 的行为不同。

---

1. np.asarray() 语法

numpy.asarray(a, dtype=None, order=None)

• a：要转换的输入数据（可以是列表、元组、NumPy 数组等）。
• dtype：（可选）指定数组的数据类型，如 int32、float64 等。
• order：（可选）‘C’（C 语言风格，行优先存储），‘F’（Fortran 风格，列优先存储）。

---

2. np.asarray() 与 np.array() 的区别

函数	是否复制数据	适用场景
np.array()	始终创建新数组（复制数据）	适用于创建数组的所有情况
np.asarray()	不会复制已存在的 NumPy 数组	适用于避免不必要的数据复制，提高性能

---

3. 示例

3.1 将列表转换为 NumPy 数组

import numpy as np

lst = [1, 2, 3]
arr = np.asarray(lst)
print(arr)
print(type(arr))  # <class 'numpy.ndarray'>

---

3.2 传入 NumPy 数组

如果 a 已经是 NumPy 数组，则 np.asarray(a) 直接返回原数组，不进行复制：

arr = np.array([1, 2, 3])
arr2 = np.asarray(arr)

print(arr is arr2)  # True（没有创建新数组）

---

3.3 传入元组

tup = (4, 5, 6)
arr = np.asarray(tup)
print(arr)  # [4 5 6]

---

3.4 传入嵌套列表（多维数组）

nested_list = [[1, 2, 3], [4, 5, 6]]
arr = np.asarray(nested_list)
print(arr)

输出：

[[1 2 3]
 [4 5 6]]

---

3.5 指定数据类型

arr = np.asarray([1, 2, 3], dtype=np.float64)
print(arr)  # [1. 2. 3.]

---

3.6 order 参数

arr_C = np.asarray([[1, 2], [3, 4]], order='C')  # C 风格（行优先存储）
arr_F = np.asarray([[1, 2], [3, 4]], order='F')  # Fortran 风格（列优先存储）

---

4. np.asarray() 适用场景

1. 避免不必要的数据复制（如在大规模数据处理中，直接使用 asarray() 提高效率）。
2. 保证输入是 NumPy 数组（比如在函数中需要操作 NumPy 数组时）。
3. 转换其他数据结构（如列表、元组）为 NumPy 数组。

---

总结

• np.asarray() 不会复制已是 NumPy 数组的输入，而 np.array() 总是创建新数组。
• 适用于 高效数据转换，特别是在处理大规模数据时 减少不必要的内存开销。
• 允许 指定数据类型 和 存储方式（行优先/列优先）。