numpy.array

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

Создать массив.

Параметры:

objectarray_like

Массив, любой объект, экспонирующий интерфейс массива, объект, чья __array__ метод возвращает массив, или любая (вложенная) последовательность. Если object является скаляром, возвращается 0-мерный массив, содержащий object.

dtypeтип данных, необязательно

Желаемый тип данных для массива. Если не указан, NumPy попытается использовать значение по умолчанию dtype, которое может представить значения (применяя правила повышения, при необходимости).

copybool, необязательно

Если True (по умолчанию), то данные массива копируются. Если None, копия будет создана только в том случае, если __array__ возвращает копию, если obj является вложенной последовательностью или если копия необходима для удовлетворения других требований (dtype, order, и т. д.). Обратите внимание, что любая копия данных является поверхностной, т. е. для массивов с типом данных object новый массив будет указывать на те же объекты. См. Примеры для ndarray.copy. Для False она вызывает ValueError если копия не может быть избегнута. По умолчанию: True.

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

Укажите расположение памяти массива. Если object не является массивом, новый созданный массив будет в порядке C (строка-главная), если не указан ‘F’, в этом случае он будет в порядке Fortran (столбец-главный). Если object является массивом, выполняется следующее.

order	без копии	copy=True
‘K’	без изменений	F и C порядок сохранены, иначе наиболее похожий порядок
‘A’	без изменений	F порядок, если входной F и не C, иначе C порядок
‘C’	порядок C	порядок C
‘F’	порядок F	порядок F

Когда copy=None и копия создается по другим причинам, результат такой же, как если бы copy=True, с некоторыми исключениями для ‘A’, см. раздел Примечания. По умолчанию order = ‘K’.

subokbool, необязательно

Если True, то подклассы будут переданы, в противном случае возвращаемый массив будет принудительно преобразован в массив базового класса (по умолчанию).

ndminint, необязательно

Указывает минимальное количество измерений, которые должен иметь результирующий массив. Единицы будут добавлены в форму, чтобы удовлетворить этому требованию.

likearray_like, необязательно

Ссылка на объект для создания массивов, которые не являются массивами NumPy. Если массив-подобный, переданный в like, поддерживает __array_function__ протокол, результат будет определен им. В этом случае это гарантирует создание объекта массива, совместимого с переданным через этот аргумент.

Новая в версии 1.20.0.

Возвращает:

outndarray

Объект массива, удовлетворяющий указанным требованиям.

См. также

empty_like

Возвращает пустой массив с формой и типом входных данных.

ones_like

Возвращает массив единиц с формой и типом входных данных.

zeros_like

Возвращает массив нулей с формой и типом входных данных.

full_like

Возвращает новый массив с формой входных данных, заполненный значением.

empty

Возвращает новый неинициализированный массив.

ones

Возвращает новый массив со значениями, установленным в единицу.

zeros

Возвращает новый массив со значениями, установленными в ноль.

full

Возвращает новый массив заданной формы, заполненный значением.

copy

Возвращает копию массива заданного объекта.

Примечания

Когда order = ‘A’ и object это массив ни в порядке ‘C’, ни в порядке ‘F’, и копия принудительно создается из-за изменения dtype, то порядок результата не обязательно ‘C’, как ожидалось. Вероятно, это ошибка.

Примеры

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

Преобразование типов:

>>> 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 более чем из 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.asmatrix('1 2; 3 4'))
array([[1, 2],
       [3, 4]])

>>> np.array(np.asmatrix('1 2; 3 4'), subok=True)
matrix([[1, 2],
        [3, 4]])