Der Unterschied zwischen Python-Arrays und -Listen

Liste in Python ist der integrierte Datentyp von Python. Die Datentypen in der Liste müssen nicht gleich sein, aber die Typen im Array müssen alle gleich sein. Der Datentyp in der Liste speichert einfach die Adresse, an der die Daten gespeichert sind. Es ist zu mühsam, eine Liste auf diese Weise zu speichern. 'a'] erfordert 4 Zeiger und vier Daten, erhöht den Speicher und verbraucht CPU. Das in Numpy gekapselte Array verfügt über sehr leistungsstarke Funktionen. Die gleichen Datentypen werden darin gespeichert

Python selbst hat keinen Array-Typ, aber er In der Numpy-Bibliothek gibt es Array-Typen. Empfohlenes Lernen: Python-Video-Tutorial)

Beide können zur Verarbeitung mehrdimensionaler Arrays verwendet werden.

Das ndarray-Objekt in Numpy wird zur Verarbeitung mehrdimensionaler Arrays verwendet und dient als schneller und flexibler Big-Data-Container. Python-Listen können eindimensionale Arrays speichern, und mehrdimensionale Arrays können durch Verschachteln von Listen realisiert werden.

2 Speichereffizienz sowie Eingabe- und Ausgabeleistung sind unterschiedlich.

Numpy ist speziell für den Betrieb und die Berechnung von Arrays konzipiert. Die Speichereffizienz sowie die Eingabe- und Ausgabeleistung sind weitaus besser als bei verschachtelten Listen in Python. Je größer das Array, desto offensichtlicher sind die Vorteile von Numpy.

Datentyp mit 3 Elementen.

Im Allgemeinen muss der Typ aller Elemente in einem Numpy-Array gleich sein, während der Typ der Elemente in einer Python-Liste willkürlich ist, sodass Numpy-Arrays im Hinblick auf die allgemeine Leistung nicht so gut sind wie Python-Listen. Aber im wissenschaftlichen Rechnen können sie viele Schleifenanweisungen einsparen und die Codeverwendung ist viel einfacher als bei Python-Listen.

Erstellung eines Arrays

Beim Erstellen eines Numpy-Arrays kann der Parameter entweder eine Liste oder ein Tupel sein. Zum Beispiel:

>>> a=np.array((1,2,3))#参数是tuple
>>> b=np.array([6,7,8])#参数是list
>>> c=np.array([[1,2,3],[4,5,6]])#参数是二维list

Darüber hinaus können Sie auch andere von Numpy bereitgestellte Methoden verwenden, um ein Array zu erstellen, zum Beispiel:

>>> arr1=np.arange(1,10,1)
>>> arr2=np.linspace(1,10,10)

np.arange(a,b,c) bedeutet „generieren“. ein Array von a-b. Ein Array, das b mit einem Intervall von c enthält. Der Standarddatentyp ist int32. Aber Linspace(a,b,c) bedeutet, a-b gleichmäßig in c Punkte zu unterteilen, was b einschließt.

Weitere technische Artikel zum Thema Python finden Sie in der Spalte Python-Tutorial, um mehr darüber zu erfahren!

Das obige ist der detaillierte Inhalt vonDer Unterschied zwischen Python-Arrays und -Listen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!