python中数组和列表的简单实例

#环境win64+anaconda+python3.6

list & array

（1）list不具有array的全部属性（如维度、转置等）

代码1：

#eg1_1
import numpy as np
a = np.array([[1,2,0,1],[1,6,9,55],[7,8,9,5]])#a为数组
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为列表
print(a.T)

#Result：
'list' object has no attribute 'T'

代码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'

（顺带一提，如何把一个数组转化为列向量：↓）

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]的含义，a可以是列表或者数组，但是无论是哪种情况，a[:0]为空

#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)]) 这两个a中[和(不一样，其实它们完全一样
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关于“==”的计算

#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关于“*”的计算

from numpy import *
#a为数组
a=array([[1,2,3],
  [4,5,6]])
b=4*a
print(b)    

[[ 4  8 12]
[16 20 24]]

from numpy import *
#a为列表
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数组的区别

1、二者都可以用于处理多维数组。

Numpy中的ndarray对象用于处理多维数组，它作为一个快速而灵活的大数据容器。Python列表可以存储一维数组，通过列表的嵌套可以实现多维数组。

2、存储效率和输入输出性能不同。

Numpy专门针对数组的操作和运算进行了设计，存储效率和输入输出性能远优于Python中的嵌套列表，数组越大，Numpy的优势就越明显。

3、元素数据类型。

通常，Numpy数组中的所有元素的类型都必须相同的，而Python列表中的元素类型是任意的，所以在通用性能方面Numpy数组不及Python列表，但在科学计算中，可以省掉很多循环语句，代码使用方面比Python列表简单的多。

来源：https://blog.csdn.net/qq_35752161/article/details/83004587