np.array和np.asarray的区别

用过numpy包的人可能会发现，np.array和np.asarray都可以将数据结构转化为矩阵的形式。笔者在阅读一些技术类书籍的时候也发现，有的作者不加区分地在代码中随意使用二者，给读者造成了很大的困扰。那么这篇文章里，我们就来谈一谈np.array和np.asarry的区别。

np.array和np.asarray都可以将数据结构转化为ndarray的形式，这一点没有问题。但是主要区别在于：当数据源是ndarray形式时候，array会生成一个副本，占用新的内存，而asarray不会。

import numpy as np
a = [[1,2],[3,4]]
b = np.array(a)
c = np.asarray(a)
a[1] = 0
print(a)
print(b)
print(c)

图1. 输入源为非ndarray的结果

可见，当输入源不是ndarray的时候，array和asarray的作用一样，都是将输入转化为矩阵的形式，并且更改输入源的值并不会影响转化矩阵的值。查看一下a，b，c三个对象在内存中的id，

图2. id情况1

我们发现，a，b，c的id各不相同，说明当输入源为非ndarray时（例子中为list），使用np.array和np.asarray均会创建输入源的副本，对a进行修改并不会影响b和c。

import numpy as np
a = np.asarray([[1,2],[3,4]])
b = np.array(a)
c = np.asarray(a)
a[1] = 0
print(a)
print(b)
print(c)

图3. 输入源为ndarray时的结果

可见，当输入源为ndarray时，np.array会创建一个新的副本，因此对输入源进行修改不会影响转化的矩阵；而np.asarray不会创建一个新的副本，则其转化的矩阵会随着输入源的改变而改变。查看一下a，b，c三个对象在内存中的id，

图4. id情况2

我们发现，a和c的id编号相同，说明二者指向同一个对象，因此修改了a也就相当于修改了c；而b的id与二者不同，说明其新建了一个副本，对a进行修改并不会影响b。