极客笔记Numpy 高效的Python数组转numpy数组方法
在数据科学领域中，NumPy是Python中最常用的库之一，它允许创建高效的多维数组并提供各种数学函数。对于那些需要进行数据处理的数据科学家和研究员来说，高效地将Python数组转为NumPy数组是至关重要的。然后，我们将讨论该领域使用的一些最佳方法。
阅读更多：Numpy 教程
Python数组
Python提供了一个简单但有用的数据类型，称为列表。列表是一种可变的序列，它允许储存任意类型的对象。Python中的列表可以在创建后随时更改大小，并对其进行索引。
以下是创建Python列表的示例：
python_list = [1, 2, 3, 4, 5]
Python中的数组也可以通过库方法array创建。数组是一种固定长度、有序的数据类型，只允许储存相同类型的数据。因为数组中的数据类型必须是相同的，所以处理数组时也更加高效。
现在，我们来看一下如何将Python的列表转换为NumPy数组。
使用np.array()
NumPy库中的array()函数可以将Python列表转换为NumPy数组。该函数可以根据输入数据的形状和数据类型创建数组。这可以通过将Python列表作为array()函数的参数来实现，如下所示：
import numpy as np
python_list = [1, 2, 3, 4, 5]
np_array = np.array(python_list)
print(np_array)
输出将是：
[1 2 3 4 5]
在上面的代码中，我们通过列表python_list创建了一个NumPy数组np_array。这就是使用array()函数将Python列表转换为NumPy数组的最基本的方法。
现在，我们将更深入地了解array()函数的一些参数及其用法。
dtype参数
array()函数还支持dtype参数，该参数用于指定NumPy数组中元素的数据类型。如果没有指定数据类型，则会将默认数据类型设为float64。以下是设置dtype参数的示例：
import numpy as np
python_list = [1, 2, 3, 4, 5]
np_array = np.array(python_list, dtype='float32')
print(np_array.dtype)
输出将是：
float32
上述示例将创建一个由python_list中的元素组成的NumPy数组，并将数据类型设置为float32。在这里，我们可以看到，np_array的数据类型是float32。
判别输入类型
我们还可以使用ndarray对象中的dtype属性来检查NumPy数组中的数据类型。以下是如何使用该属性的示例：
import numpy as np
python_list = [1, 2, 3, 4, 5]
np_array = np.array(python_list)
print(np_array.dtype)
输出将是：
int32
在上述示例中，我们首先将python_list转换为一个NumPy数组，并使用dtype属性来输出NumPy数组的数据类型。我们可以看到，它的数据类型是int32。
其他向量化方式
除了array()函数之外，NumPy库还提供了其他向量化方式用于将Python列表转换为NumPy数组。
使用np.asarray()
asarray()函数与array()函数功能相同，可以将Python列表转换为NumPy数组。但是，如果输入参数本身已经是一个ndarray对象，则不会创建一个新的副本，而是返回输入的对象。使用asarray()函数将Python列表转换为NumPy数组的示例如下：
import numpy as np
python_list = [1, 2, 3, 4, 5]
np_array = np.asarray(python_list)
print(np_array)
输出将是：
[1 2 3 4 5]
在上述示例中，我们使用asarray()函数将Python列表python_list转换为NumPy数组。输出结果与使用array()函数的输出结果相同。
使用np.fromiter()
fromiter()函数从iterator对象中将元素添加到NumPy数组中。该函数的语法如下所示：
np.fromiter(iterable, dtype, count=-1)
iterable参数定义了要使用的输入流，dtype参数定义了要在返回的NumPy数组中使用的数据类型。count参数指定要读取的元素数。如果设置为-1，则从流中读取所有元素。以下是使用fromiter()函数将Python列表转换为NumPy数组的示例：
import numpy as np
python_list = [1, 2, 3, 4, 5]
np_array = np.fromiter(python_list, dtype='float32')
print(np_array)
输出将是：
[1. 2. 3. 4. 5.]
上述示例将python_list转换为一个NumPy数组，并将数据类型设置为float32。在这里，我们可以看到，在使用fromiter()函数将Python列表转换为NumPy数组时也可以指定数据类型。
总结
在本文中，我们讨论了将Python列表转换为NumPy数组的最佳方法。我们介绍了使用array()、asarray()和fromiter()这些向量化方法。我们还讨论了如何使用dtype参数和ndarray对象的dtype属性来指定和检查数据类型。对于研究員 , 高效地处理数据是非常重要的，因此，掌握这些技能是必不可少的。