本文目录一览：
- 1、Python中numpy.array函数有啥作用呢？
- 2、python中的list和array的不同之处
- 3、python常用的数据分析包有哪些
- 4、python 数组和列表的区别
- 5、Python数据结构之Array用法实例
- 6、python 的Numpy模块中有一个array类，我想从它派生出一个Marray类，只需要重...
Python中numpy.array函数有啥作用呢？
答: 把我们定义的普通数组转化为Numpy中的array类型，这样做的好处就在于可以使用该类型定义的多种数组方法，比如排序取其中的最大值或者最小值。我们就不需要从头开始实现，直接调用相关的API就行。
python中的list和array的不同之处
在Python中，list和array都可以根据索引来取其中的元素，但是list可以用append或者+来新增元素或者添加数组，而array不行。具体区别如下：
1、作用不同
list是处理一组有序项目的数据结构;
array数组存储单一数据类型的多维数组;
2、内置数据类型
list是Python的内置数据类型;
array数组需要导入标准库才行，不属于内置类型;
3、数据类型是否相同
list中的数据类不必相同的，即每个元素可以是不同的数据类型;
array则是由Numpy封装，存放的元素都是相同的数据类型;
4、运算
列表list不可以进行数学四则运算;
数组array可以进行数学四则运算;
python常用的数据分析包有哪些
ndarray.ndim
数组轴的个数，在python的世界中，轴的个数被称作秩
ndarray.shape
数组的维度。这是一个指示数组在每个维度上大小的整数元组。例如一个n排m列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性
ndarray.size
数组元素的总个数，等于shape属性中元组元素的乘积。
ndarray.dtype
一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。另外NumPy提供它自己的数据类型。
ndarray.itemsize
数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8).
ndarray.data
包含实际数组元素的缓冲区，通常我们不需要使用这个属性，因为我们总是通过索引来使用数组中的元素。
NumPy-快速处理数据
标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。
此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。
NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray(下文统一称之为数组)是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。
python 数组和列表的区别
python没有数组，只有元组(tuple)和列表(list)。
元组与列表最大的不同在于，元组一旦创建便不可改变，
因此不像列表，元组不能够在末尾追加(append)元素，弹出(pop)元素，
只能对元组中的元素进行索引t[0]，不能对其中的元组进行赋值t[0]=8。
使用元组的好处在于对元组进行操作更为高效，适合存放一组常量。
Python数据结构之Array用法实例
Python数据结构之Array用法实例
这篇文章主要介绍了Python数据结构之Array用法实例,较为详细的讲述了Array的常见用法,具有很好的参考借鉴价值,需要的朋友可以参考下
import ctypes
class Array:
def __init__(self, size):
assert size 0, "Array size must be 0 "
self._size = size
pyArrayType = ctypes.py_object * size
self._elements = pyArrayType()
self.clear(None)
def clear(self, value):
for index in range(len(self)):
self._elements[index] = value
def __len__(self):
return self._size
def __getitem__(self, index):
assert index = 0 and index len(self), "index must =0 and = size"
return self._elements[index]
def __setitem__(self, index, value):
assert index = 0 and index len(self), "index must =0 and = size"
self._elements[index] = value
def __iter__(self):
return _ArrayIterator(self._elements)
class _ArrayIterator:
def __init__(self, theArray):
self._arrayRef = theArray
self._curNdr = 0
def __next__(self):
if self._curNdr len(theArray):
entry = self._arrayRef[self._curNdr]
sllf._curNdr += 1
return entry
else:
raise StopIteration
def __iter__(self):
return self
class Array2D :
def __init__(self, numRows, numCols):
self._theRows = Array(numCols)
for i in range(numCols):
self._theRows[i] = Array(numCols)
def numRows(self):
return len(self._theRows)
def numCols(self):
return len(self._theRows[0])
def clear(self, value):
for row in range(self.numRows):
self._theRows[row].clear(value)
def __getitem__(self, ndxTuple):
assert len(ndxTuple) == 2, "the tuple must 2"
row = ndxTuple[0]
col = ndxTuple[1]
assert row=0 and row len(self.numRows())
and col=0 and collen(self.numCols),
"array subscrpt out of range"
theArray = self._theRows[row]
return theArray[col]
def __setitem__(self, ndxTuple, value):
assert len(ndxTuple)==2, "the tuple must 2"
row = ndxTuple[0]
col = ndxTuple[1]
assert row = 0 and row len(self.numRows)
and col = 0 and col len(self.numCols),
"row and col is invalidate"
theArray = self._theRows[row];
theArray[col] = value
希望本文所述对大家的Python程序设计有所帮助。
python 的Numpy模块中有一个array类，我想从它派生出一个Marray类，只需要重...
array不是类，是numpy类的一个方法，生成的array实例，它继承自ndarray
class Marray(numpy.ndarray):pass
'numpy没用过，不过定制就是这么写，你也知道。：）'