numpy.asanyarray

numpy.asanyarray(a, dtype=None, order=None, *, like=None)

Преобразовать входные данные в массив ndarray, но пропустить подклассы ndarray.

Параметры

aarray_like

Входные данные в любом виде, который можно преобразовать в массив. Это включает скаляры, списки, списки кортежей, кортежи, кортежи кортежей, кортежи списков и массивы ndarray.

dtypeтип данных, необязательно

По умолчанию тип данных определяется из входных данных.

order{‘C’, ‘F’, ‘A’, ‘K’}, необязательно

Структура памяти. ‘A’ и ‘K’ зависят от порядка входного массива a. ‘C’ – строчная (C-style), ‘F’ – столбцовая (Fortran-style) структура памяти. ‘A’ (любой) означает ‘F’, если a является Fortran-непрерывным, иначе ‘C’. ‘K’ (сохранить) сохраняет порядок входных данных. По умолчанию – ‘C’.

likearray_like

Объект-ссылка, позволяющий создавать массивы, которые не являются массивами NumPy. Если в качестве like передан массив-подобный объект, который поддерживает протокол __array_function__, результат будет определяться им. В этом случае гарантируется создание объекта массива, совместимого с переданным через этот аргумент.

Новое в версии 1.20.0.

Возвращает

outndarray или подкласс ndarray

Массивная интерпретация a. Если a является массивом ndarray или подклассом ndarray, он возвращается как есть, и никаких копий не выполняется.

См. также

asarray

Аналогичная функция, которая всегда возвращает массивы ndarray.

ascontiguousarray

Преобразование входных данных в непрерывный массив.

asfarray

Преобразование входных данных в массив с плавающей точкой ndarray.

asfortranarray

Преобразование входных данных в массив ndarray со столбцовым порядком памяти.

asarray_chkfinite

Аналогичная функция, которая проверяет входные данные на наличие NaN и Inf.

fromiter

Создание массива из итератора.

fromfunction

Построение массива путем выполнения функции в позициях сетки.

Примеры

Преобразование списка в массив:

>>> a = [1, 2]
>>> np.asanyarray(a)
array([1, 2])

Экземпляры подклассов ndarray пропускаются как есть:

>>> a = np.array([(1.0, 2), (3.0, 4)], dtype='f4,i4').view(np.recarray)
>>> np.asanyarray(a) is a
True