一、总结
一句话总结：
是否copy：主要区别在于 np.array （默认情况下）将会copy该对象，而 np.asarray 除非必要，否则不会copy该对象。
和array功能相关：y_train = np.asarray(train_labels).astype('float32')
二、np.array()和np.asarray()的区别
主要区别在于 np.array （默认情况下）将会copy该对象，而 np.asarray 除非必要，否则不会copy该对象。
array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会。
举例说明：
import numpy as np
#example 1:
data1=[[1,1,1],[1,1,1],[1,1,1]]
arr2=np.array(data1)
arr3=np.asarray(data1)
data1[1][1]=2
print 'data1:\n',data1
print 'arr2:\n',arr2
print 'arr3:\n',arr3
输出：
data1:
[[1, 1, 1], [1, 2, 1], [1, 1, 1]]
arr2:
[[1 1 1]
[1 1 1]
[1 1 1]]
arr3:
[[1 1 1]
[1 1 1]
[1 1 1]]
可见array和asarray没有区别，都对元数据进行了复制。
import numpy as np
#example 2:
arr1=np.ones((3,3))
arr2=np.array(arr1)
arr3=np.asarray(arr1)
arr1[1]=2
print 'arr1:\n',arr1
print 'arr2:\n',arr2
print 'arr3:\n',arr3
输出：
arr1:
[[ 1. 1. 1.]
[ 2. 2. 2.]
[ 1. 1. 1.]]
arr2:
[[ 1. 1. 1.]
[ 1. 1. 1.]
[ 1. 1. 1.]]
arr3:
[[ 1. 1. 1.]
[ 2. 2. 2.]
[ 1. 1. 1.]]
此时两者才表现出区别。修改了arr1，arr3也会跟着修改。
Syntax
np.asarray(a, dtype=None, order=None)
将结构数据转化为ndarray。
Parameters:
a : array_like
dtype : data-type, optional
order : {‘C’, ‘F’}, optional
Returns:
out : ndarray
与 np.array 的不同
np.asarray 的定义：
def asarray(a, dtype=None, order=None):
return array(a, dtype, copy=False, order=order)
而 np.array 的定义：
def array(a, dtype=None, order=None):
return array(a, dtype, copy=True, order=order)
简而言之：
主要区别在于 np.array （默认情况下）将会copy该对象，而 np.asarray 除非必要，否则不会copy该对象。
Code
# 将list转换为ndarray
a = [1, 2]
print(np.asarray(a)) # array([1, 2])# 如果对象本身即为ndarray，且不改变dtype，则不会copy之
a = np.array([1, 2])
print(np.asarray(a) is a) # True# 如果对象本身即为ndarray，且改变dtype，则还是会copy之
a = np.array([1, 2], dtype=np.float32)
print(np.asarray(a, dtype=np.float32) is a) # True
print(np.asarray(a, dtype=np.float64) is a) # False
我的旨在学过的东西不再忘记（主要使用艾宾浩斯遗忘曲线算法及其它智能学习复习算法）的偏公益性质的完全免费的编程视频学习网站；有各种前端、后端、算法、大数据、人工智能等课程。
