python中數(shù)組和列表的簡(jiǎn)單實(shí)例
#環(huán)境win64+anaconda+python3.6
list & array
（1）list不具有array的全部屬性（如維度、轉(zhuǎn)置等）
代碼1：
#eg1_1 import numpy as np a = np.array([[1,2,0,1],[1,6,9,55],[7,8,9,5]])#a為數(shù)組 print(a.T) #Result： [[ 1 1 7] [ 2 6 8] [ 0 9 9] [ 1 55 5]] #eg1_2 a = [[1,2,0,1],[1,6,9,55],[7,8,9,5]] #a為列表 print(a.T) #Result： 'list' object has no attribute 'T'
代碼2:
#eg1_3 import numpy as np a=np.array([[1,2,3],[1,1,4],[1,5,1]]) print(a.shape) #Result： (3, 3) #eg1_4 a=[[1,2,3],[1,1,4],[1,5,1]] print(a.shape) #Result 'list' object has no attribute 'shape'
（順帶一提，如何把一個(gè)數(shù)組轉(zhuǎn)化為列向量：↓）
import numpy as np a=np.array([[1,2,3],[1,1,4],[1,5,1]]) a=a.reshape(-1,1) print(a) #Result: [[1] [2] [3] [1] [1] [4] [1] [5] [1]]
（2）a[:m]的含義，a可以是列表或者數(shù)組，但是無(wú)論是哪種情況，a[:0]為空
#eg2_1
import numpy as np
a=np.array([[4,1,2],
[7,4,10],
[12,17,88]])
#a=np.array([(4,1,2),
# (7,4,10),
# (12,17,88)]) 這兩個(gè)a中[和(不一樣，其實(shí)它們完全一樣
print(a[:0])
print(a[:1])
print(a[:2])
#Result:
[]
[[4 1 2]]
[[ 4 1 2]
[ 7 4 10]]
#eg2_1
a=[(4,1,2),(7,4,10),(12,17,88)]
print(a[:0])
print(a[:1])
print(a[:2])
#Result:
[]
[(4, 1, 2)]
[(4, 1, 2), (7, 4, 10)]（3）array和list關(guān)于“==”的計(jì)算
#eg3_1 import numpy as np a=np.array(['dog','cat','car']) b=np.array(['dog','cat','trunk']) acc = (np.mean(a == b)) print(acc) #Result 0.6666666666666666 #eg3_2 import numpy as np a=['dog','cat','car'] b=['dog','cat','trunk'] acc = (np.mean(a == b)) print(acc) #Result 0.0
（4）array和list關(guān)于“*”的計(jì)算
from numpy import * #a為數(shù)組 a=array([[1,2,3], [4,5,6]]) b=4*a print(b) [[ 4 8 12] [16 20 24]] from numpy import * #a為列表 a=([[1,2,3], [4,5,6]]) b=4*a print(b) [[1, 2, 3], [4, 5, 6], [1, 2, 3], [4, 5, 6], [1, 2, 3], [4, 5, 6], [1, 2, 3], [4, 5, 6]]
python列表和Numpy數(shù)組的區(qū)別
1、二者都可以用于處理多維數(shù)組。
Numpy中的ndarray對(duì)象用于處理多維數(shù)組，它作為一個(gè)快速而靈活的大數(shù)據(jù)容器。Python列表可以存儲(chǔ)一維數(shù)組，通過(guò)列表的嵌套可以實(shí)現(xiàn)多維數(shù)組。
2、存儲(chǔ)效率和輸入輸出性能不同。
Numpy專門針對(duì)數(shù)組的操作和運(yùn)算進(jìn)行了設(shè)計(jì)，存儲(chǔ)效率和輸入輸出性能遠(yuǎn)優(yōu)于Python中的嵌套列表，數(shù)組越大，Numpy的優(yōu)勢(shì)就越明顯。
3、元素?cái)?shù)據(jù)類型。
通常，Numpy數(shù)組中的所有元素的類型都必須相同的，而Python列表中的元素類型是任意的，所以在通用性能方面Numpy數(shù)組不及Python列表，但在科學(xué)計(jì)算中，可以省掉很多循環(huán)語(yǔ)句，代碼使用方面比Python列表簡(jiǎn)單的多。
總結(jié)
到此這篇關(guān)于python中數(shù)組和列表的文章就介紹到這了,更多相關(guān)python數(shù)組和列表內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python+uiautomator2實(shí)現(xiàn)自動(dòng)刷抖音視頻功能
這篇文章主要介紹了Python+uiautomator2實(shí)現(xiàn)自動(dòng)刷抖音視頻功能，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-04-04
這篇文章主要介紹了pytorch--之halfTensor的使用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
用python實(shí)現(xiàn)k近鄰算法的示例代碼
這篇文章主要介紹了用python實(shí)現(xiàn)k近鄰算法的示例代碼，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-09-09
這篇文章主要介紹了快速了解python leveldb，具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01
pytorch中的模型訓(xùn)練(以CIFAR10數(shù)據(jù)集為例)
這篇文章主要介紹了pytorch中的模型訓(xùn)練(以CIFAR10數(shù)據(jù)集為例)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-06-06
xpath無(wú)法定位tbody標(biāo)簽解決方法示例
這篇文章主要介紹了xpath無(wú)法定位tbody標(biāo)簽解決方法示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-09-09
這篇文章主要介紹了Python列表生成式與生成器操作,結(jié)合實(shí)例形式分析了Python列表生成式與生成器的功能、使用方法及相關(guān)操作技巧,需要的朋友可以參考下2018-08-08
這篇文章主要介紹了Python的Django框架中的緩存控制,包括Vary頭部以外的其他頭部使用等,需要的朋友可以參考下2015-07-07
Python基于datetime或time模塊分別獲取當(dāng)前時(shí)間戳的方法實(shí)例
今天小編就為大家分享一篇關(guān)于Python基于datetime或time模塊分別獲取當(dāng)前時(shí)間戳的方法實(shí)例，小編覺(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧2019-02-02
lambda函數(shù)是Python中常用的內(nèi)置函數(shù)，又稱為匿名函數(shù)。和普通函數(shù)相比，它只有函數(shù)體，省略了def和return，使得結(jié)構(gòu)看起來(lái)更精簡(jiǎn)。本文將詳細(xì)說(shuō)說(shuō)Lambda函數(shù)的用法，需要的可以參考一下2022-09-09