numpy.array

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

Создать массив.

Параметры:

object : array_like Массив, любой объект, экспонирующий интерфейс массива, объект, метод __array__ которого возвращает массив, или любое (вложенное) последовательность. dtype : тип данных, необязательно Желаемый тип данных для массива. Если не задано, то тип будет определен как минимальный тип, необходимый для хранения объектов в последовательности. Этот аргумент может быть использован только для «расширения» массива. Для понижения типа используйте метод .astype(t). copy : bool, необязательно Если True (по умолчанию), то объект копируется. В противном случае копия будет создана только если __array__ возвращает копию, если obj является вложенной последовательностью или если копия необходима для удовлетворения других требований (dtype, order, и т.д.). order : {‘C’, ‘F’, ‘A’}, необязательно Укажите порядок массива. Если order — ‘C’, то массив будет в C-порядке (индекс последнего элемента изменяется быстрее всего). Если order — ‘F’, то возвращаемый массив будет в Fortran-порядке (индекс первого элемента изменяется быстрее всего). Если order — ‘A’ (по умолчанию), то возвращаемый массив может быть в любом порядке (C-, Fortran-последовательный или даже не последовательный), если не требуется копия, в противном случае он будет C-последовательный. subok : bool, необязательно Если True, то подклассы будут переданы, в противном случае возвращаемый массив будет принудительно преобразован в массив базового класса (по умолчанию). ndmin : int, необязательно Устанавливает минимальное количество измерений, которые должен иметь возвращаемый массив. Единицы будут добавлены в форму, чтобы удовлетворить этому требованию.

Возвращает:

out : ndarray Объект массива, удовлетворяющий указанным требованиям.

См. также

empty, empty_like, zeros, zeros_like, ones, ones_like, fill

Примеры

>>> np.array([1, 2, 3])
array([1, 2, 3])

Расширение типа:

>>> np.array([1, 2, 3.0])
array([ 1.,  2.,  3.])

Более одного измерения:

>>> np.array([[1, 2], [3, 4]])
array([[1, 2],
       [3, 4]])

Минимальное количество измерений 2:

>>> np.array([1, 2, 3], ndmin=2)
array([[1, 2, 3]])

Указан тип:

>>> np.array([1, 2, 3], dtype=complex)
array([ 1.+0.j,  2.+0.j,  3.+0.j])

Тип данных, состоящий из более одного элемента:

>>> x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
>>> x['a']
array([1, 3])

Создание массива из подклассов:

>>> 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]])