从多个方面详述np.asarray

一、类型转换

np.asarray是numpy中一个重要的函数，在科学计算领域被广泛使用。它的主要作用是将输入数据转换为ndarray数组类型。当输入数据为ndarray类型时，np.asarray()不会造成任何数据复制，但对于其他的数据类型，np.asarray()会新创建一个新的ndarray。

通过np.asarray()，我们可以将list、tuple等数据类型转化为ndarray数组类型。

    import numpy as np

    lst = [1, 2, 3]
    arr = np.array(lst)
    as_arr = np.asarray(lst)

    print(arr is as_arr) # True

当我们将list转换为ndarray类型时，会发现如果直接使用np.array()和np.asarray()，输出数组的类型是一样的。但是，np.array()每次都会复制一份数据，而np.asarray()则不会造成数据的浪费，这在数据量大时非常重要。

二、广播机制

在ndarray中，广播机制能够帮助我们在对形状不同的数组进行操作时，自动转化成统一的形状进行计算。np.asarray()函数的一个重要用途就是广播机制。

    import numpy as np

    a = np.arange(3)
    b = 1
    c = np.asarray(a) + b

    print(c)

在上面的代码中，我们将一个形状为(3,)的ndarray和一个标量相加，由于标量的形状为()，与ndarray可进行广播，广播后得到的结果为一个大小也为(3，)的ndarray。

三、深拷贝

当我们需要对一个ndarray进行深拷贝时，可以使用np.asarray()函数进行实现。

    import numpy as np

    a = np.array([1, 2, 3])
    b = np.asarray(a, dtype='float64')
    c = np.copy(a)

    a[0] = 10

    print(a) # [10  2  3]
    print(b) # [10.  2.  3.]
    print(c) # [1 2 3]

在上面的代码中，我们使用np.asarray()函数将一个整型的ndarray转换为浮点型的ndarray，且复制了一份新的数组b。此时，a数组的第一个元素被修改成了10，但是复制出的b数组中的第一个元素没有发生改变。而c数组是直接复制的a数组，当a数组的元素发生改变时，c数组也会发生相应变化。

四、快速创建ndarray

np.asarray()函数还可以用于快速创建ndarray，和np.zeros()、np.ones()等函数类似。

    import numpy as np

    a = np.asarray([1, 2, 3])
    b = np.asarray((1, 2, 3))
    c = np.asarray('hello world')

    print(a) # [1 2 3]
    print(b) # [1 2 3]
    print(c) # 'hello world'

在上面的代码中，我们用np.asarray()函数快速创建ndarray，分别用list、tuple和字符串作为参数。注意，当输入字符串时，np.asarray()会把每一个字符分割开成单个元素，而不是一个字符串元素。

五、应用于自定义数据类型

当我们需要对自定义的数据类型进行操作时，np.asarray()也是一个非常有效的函数。

    import numpy as np

    dt = np.dtype([('name', 'S10'), ('age', np.int)])
    people_info = [('Mike', 18), ('Emma', 20), ('Will', 25)]
    people = np.asarray(people_info, dtype=dt)

    print(people['name']) # [b'Mike' b'Emma' b'Will']
    print(people['age']) # [18 20 25]

在上面的代码中，我们定义了一个叫做dt的自定义数据类型，包含两个字段：name和age。接着，我们输入了三个人的信息，每个人有姓名和年龄两个属性，然后通过np.asarray()函数将这些人的信息转换为ndarray类型。最后，我们可以用对应的字段名提取出姓名和年龄分别作为一个数组。