array和asarray都可将结构数据转换为ndarray类型。
但是主要区别就是当数据源是ndarray时，array仍会copy出一个副本，占用新的内存，但asarray不会。
一、输入都为列表
lst1=[[1,1,1],[1,1,1],[1,1,1]]
arr2=np.array(lst1)
arr3=np.asarray(lst1)
lst1[1][1]=2
print("lst1:\n",lst1)
print("arr2:\n",arr2)
print("arr3:\n",arr3)
print(arr2 is lst1)
print(arr3 is lst1)
print(arr2 is arr3)
结果为：
lst1: [[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]] False False False
从结果可以看到，三者之间各不相等。数据源为列表，二者都会重新生成一个副本。
二、输入都为ndarray
arr4=np.ones((3,3))
arr5=np.array(arr4)
arr6=np.asarray(arr4)
arr4[1]=2
print("arr4:\n",arr4)
print("arr5:\n",arr5)
print("arr6:\n",arr6)
print(arr4 is arr5)
print(arr4 is arr6)
print(arr5 is arr6)
结果为：
arr4: [[1. 1. 1.] [2. 2. 2.] [1. 1. 1.]] arr5: [[1. 1. 1.] [1. 1. 1.] [1. 1. 1.]] arr6: [[1. 1. 1.] [2. 2. 2.] [1. 1. 1.]] False True False
从结果可以看到，arr4等于arr6，是同一块内存，没有开辟新内存。
源码定义：
一、np.array
def array(a, dtype=None, order=None):
return array(a, dtype, copy=True, order=order)
二、np.asarray
def asarray(a, dtype=None, order=None):
return array(a, dtype, copy=False, order=order)
从源码定义，也可以看出np.array进行了复制,而np.asarray对darray数据类型不进行复制。
易错点：
如果在np.asarray时改变数据类型，也会进行重新复制。
arr7 = np.ones((3,3))
print("dtype of arr7:",arr7.dtype)
arr8 = np.asarray(arr7,dtype = np.int8)
print("dtype of arr8:",arr8.dtype)
print("arr7:\n",arr7)
print("arr8:\n",arr8)
print(arr7 is arr8)
结果：
dtype of arr7: float64 dtype of arr8: int8 arr7: [[1. 1. 1.] [1. 1. 1.] [1. 1. 1.]] arr8: [[1 1 1] [1 1 1] [1 1 1]] False
总之，np.asarray只对numpy的内部数据类型ndarray有用，而且仅在只改变数据数值时不会重新赋值。
建议：赋值数据时都用np.asarray，有时候可以减少内存占用。