共有3个答案
只有几行示例代码来显示numpy.array和numpy.ndarray之间的区别
热身步骤：构建一个列表
a = [1,2,3]
检查类型
print(type(a))
你会得到
<class 'list'>
使用np构造数组（从列表中）。大堆
a = np.array(a)
或者，您可以跳过热身步骤，直接进行热身
a = np.array([1,2,3])
检查类型
print(type(a))
你会得到
<class 'numpy.ndarray'>
它告诉您numpy数组的类型是numpy。恩达雷
您还可以通过以下方式检查类型：
isinstance(a, (np.ndarray))
而且你会得到
True
以下两行中的任何一行都会给您一个错误消息
np.ndarray(a) # should be np.array(a)
isinstance(a, (np.array)) # should be isinstance(a, (np.ndarray))
numpy。array是一个返回numpy的函数。ndarray。没有对象类型numpy。大堆
numpy。array只是创建ndarray的一个方便函数；它本身不是一个类。
您也可以使用numpy.ndarray创建数组，但这不是推荐的方式。从numpy.ndarray的文档字符串：
数组应该使用数组，零或空...这里给出的参数指的是实例化数组的低级方法（ndarray（...））。
实现的大部分内容是在C代码中，这里是多数组，但是您可以从这里开始查看ndarray接口：
https://github.com/numpy/numpy/blob/master/numpy/core/numeric.py
-
问题内容： 和Numpy有什么区别？我在哪里可以找到numpy源代码中的实现？ 问题答案： 只是创建一个便利函数; 它本身不是类。 您也可以使用创建数组，但不建议这样做。来自以下文档的字符串： 阵列应该使用来构造，或…这里给出的参数是指低级方法（用于实例化阵列）。 实现的大部分内容都在C代码中（在multiarray中），但是您可以在这里开始查看ndarray接口： https://github.
-
问题内容： Numpy和函数之间有什么区别？什么时候应该使用一个而不是另一个？他们似乎为我能想到的所有输入生成了相同的输出。 问题答案： 由于将其他问题重定向到这个询问问题或其他数组创建例程的问题，因此可能有必要简要概述每个问题的作法。 区别主要在于何时返回不变的输入，而不是将新数组作为副本。 提供多种选择（其他大多数功能都围绕着薄包装纸），包括用于确定何时复制的标志。完整的解释将和文档一样长（请
-
numpy的和函数之间有什么区别？什么时候你应该用一个而不是另一个？它们似乎为我能想到的所有输入生成相同的输出。
-
问题内容： 他们似乎都 非常 相似，我很好奇哪个软件包对财务数据分析更有利。 问题答案： 熊猫提供了基于NumPy构建的高级数据处理工具。NumPy本身是一个相当底层的工具，类似于MATLAB。另一方面，pandas提供了丰富的时间序列功能，数据对齐，对NA友好的统计信息，groupby，合并和联接方法以及许多其他便利。近年来，它在金融应用中变得非常流行。我的下一本书将专门讨论使用熊猫进行财务数据
-
问题内容： 作者：霖呆呆 Array(3)和Array(3, 4)的区别？ 考察知识点： 和 参数个数不同时的不同表现 的作用 问题答案： Array和new Array的执行结果一样 Array(3) => [empty x3] 一个参数的时候创建一个长度为3的空数组 Array(3, 4) => [3, 4] 大于一个参数的时候则把参数作为元素创建一个长度可变数组 Array.of(3) =>
-
这两个函数返回相同的列表。那么两个不同的功能执行相同的工作需要什么。