### NumPy 中 `array` 创建函数参数详解 #### 函数签名 ```python numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0) ``` #### 参数说明 - **object**: 输入数据，可以是任意序列类型（如列表、元组）、嵌套序列或任何能被转换成数组的对象。这是唯一必需的参数[^1]。 - **dtype (data-type)**: 可选参数，用于指定返回数组的数据类型。如果未给出，则会尝试推断输入数据的最佳数据类型。例如，可以通过设置 `dtype=np.int32` 来强制将所有元素作为32位整数处理[^2]。 - **copy**: 默认为 `True` 的布尔值标志。当原输入已经是 ndarray 并具有相同的数据类型时，此选项决定是否仍复制数据；否则总是会发生拷贝行为。设为 `False` 则尽可能避免不必要的副本创建，从而节省内存开销。 - **order {'C', 'F', 'A', or 'K'}**: 控制多维数组存储顺序的选择。'C' 表示按 C 风格连续排列，即先行后列；'F' 对应 Fortran 方式的逐行填充；'A' 自动选择最合适的布局方式；而 'K' 力求保持原始输入中的索引顺序不变[^4]。 - **subok**: 如果设为 `True`，则子类会被传递给输出而不做额外处理，默认情况下 (`False`) 输出总是一个基类型的实例而不是可能存在的派生版本。 - **ndmin**: 整数值，指定了所需最小维度数目。即使实际输入是一维或多维结构，只要低于设定阈值就会自动扩展至满足条件为止。比如传入单个标量并设置了 `ndmin=2` 后得到的就是二维形式的结果[^3]。 ```python import numpy as np # 示例：展示不同参数的效果 arr_1d = np.array([1, 2, 3], dtype=float) # 使用 float 数据类型的一维数组 print(f"One-dimensional array with specified type:\n{arr_1d}\n") arr_no_copy = np.array(np.arange(5), copy=False) # 不进行深拷贝的情况下构建新数组 print(f"Array without copying original data:\n{arr_no_copy}\n") arr_order_fortran = np.array([[7,8],[9,10]], order='F') # 按照Fortran风格排序 print(f"Two-dimensional array ordered by columns first:\n{arr_order_fortran}") ```