Numpy 用现有数据创建数组
在本章中，我们将讨论如何从现有数据创建数组。
numpy.asarray
该函数与 numpy.array 类似，只是它的参数较少。此例程对于将 Python 序列转换为 ndarray 很有用。
numpy.asarray(a, dtype = None, order = None)
构造函数采用以下参数。
| 序号. | 参数及说明 |
|---|---|
| 1 | a 以任何形式输入数据，例如列表、元组列表、元组、元组元组或列表元组 |
| 2 | dtype 默认情况下，输入数据的数据类型应用于结果 ndarray |
| 3 | order C(行专业)或 F(列专业)。 C 是默认值 |
以下示例展示了如何使用asarray函数。
示例 1
# convert list to ndarray import numpy as np x = [1,2,3] a = np.asarray(x) print a
它的输出如下：
[1 2 3]
示例 2
# dtype is set import numpy as np x = [1,2,3] a = np.asarray(x, dtype = float) print a
现在，输出如下：
[ 1. 2. 3.]
示例 3
# ndarray from tuple import numpy as np x = (1,2,3) a = np.asarray(x) print a
它的输出将是：
[1 2 3]
示例 4
# ndarray from list of tuples import numpy as np x = [(1,2,3),(4,5)] a = np.asarray(x) print a
在这里，输出如下：
[(1, 2, 3) (4, 5)]
numpy.frombuffer
此函数将缓冲区解释为一维数组。任何暴露缓冲区接口的对象都用作参数来返回一个ndarray.
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
构造函数采用以下参数。
| 序号. | 参数及说明 |
|---|---|
| 1 | buffer 任何暴露缓冲区接口的对象 |
| 2 | dtype 返回的 ndarray 的数据类型。默认为浮动 |
| 3 | count 要读取的项目数，默认 -1 表示所有数据 |
| 4 | offset 要读取的起始位置。默认为 0 |
下面的例子演示了使用frombuffer函数。
import numpy as np s = 'Hello World' a = np.frombuffer(s, dtype = 'S1') print a
这是它的输出：
['H' 'e' 'l' 'l' 'o' ' ' 'W' 'o' 'r' 'l' 'd']
numpy.fromiter
该函数构建了一个ndarray来自任何可迭代对象的对象。此函数返回一个新的一维数组。
numpy.fromiter(iterable, dtype, count = -1)
在这里，构造函数采用以下参数。
| 序号. | 参数及说明 |
|---|---|
| 1 | iterable 任何可迭代对象 |
| 2 | dtype 结果数组的数据类型 |
| 3 | count 要从迭代器读取的项目数。默认为 -1，表示要读取的所有数据 |
下面的例子展示了如何使用内置的range()函数返回一个列表对象。此列表的迭代器用于形成一个ndarray对象。
示例 1
# create list object using range function import numpy as np list = range(5) print list
其输出如下：
[0, 1, 2, 3, 4]
示例 2
# obtain iterator object from list import numpy as np list = range(5) it = iter(list) # use iterator to create ndarray x = np.fromiter(it, dtype = float) print x
现在，输出如下：
[0. 1. 2. 3. 4.]