python的list是python的内置数据类型,list的数据类型不必相同,array的数据类型必须全部相同。 list中的数据类型保存了数据存储位置的地址。 简而言之,是指针,不是数据。 像这样保存一个list很辛苦。 例如,list1=[ 1,2,3,' a']需要4个指针和4个数据,从而增加存储和cpu消耗。 封装在numpy中的array具有强大的功能,其中包含相同的数据类型
python本身没有数组类型,但他的Numpy库有数组类型。 学习推荐: Python视频教程)
两者都可以用于处理多维数组。
Numpy的ndarray对象用于处理多维数组,作为快速灵活的大数据容器。 Python列表可以包含一维数组,可以通过列表嵌套实现多维数组。
2存储效率和输入/输出性能不同。
Numpy专门为数组的操作和运算而设计,存储效率和输入/输出性能远远优于Python的嵌套列表。 数组越大,Numpy的优点越明显。
3要素数据类型。
通常,Numpy数组中所有元素的类型都必须相同,但Python列表中的元素类型是任意的,因此在通用性能方面Numpy数组不如Python列表,但在科学计算中可以省略很多循环语句,在代码使用方面Python列表中也可以省略
创建阵列
创建Numpy数组时,参数可以是列表或元组。 例如,a=NP.array ((1,2,3 ) )参数为tuple
b=NP.array ([ 6,7,8 ] )参数为list
c=NP.array ([ 1,2,3 ],[ 4,5,6 ] ) #参数为二维list
也可以使用numpy提供的其他方法创建数组。 例如,arr1=NP.arange(1、10、1 )
arr2=NP.linspace (1,10,10 ) ) )。
NP.arange(a,b,c )指示从a-b不包含b,生成间隔为c的array,数据类型默认为int32。 但是,linspace(a,b,c )表示将a-b平均分为c点,其中包含b。
有关更多Python相关技术文章,请参阅Python教程一栏进行学习。