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
Pandas中Series和DataFrame的索引實(shí)現(xiàn)
這篇文章主要介紹了Pandas中Series和DataFrame的索引實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06
pytorch 圖像中的數(shù)據(jù)預(yù)處理和批標(biāo)準(zhǔn)化實(shí)例
今天小編就為大家分享一篇pytorch 圖像中的數(shù)據(jù)預(yù)處理和批標(biāo)準(zhǔn)化實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-01-01
Numpy實(shí)現(xiàn)按指定維度拼接兩個(gè)數(shù)組的實(shí)現(xiàn)示例
Numpy提供了多個(gè)函數(shù)來拼接數(shù)組,其中最常用的是np.concatenate、np.vstack、np.hstack等,本文就來介紹一下Numpy實(shí)現(xiàn)按指定維度拼接兩個(gè)數(shù)組的實(shí)現(xiàn),感興趣的可以了解一下2024-03-03
基于python的docx模塊處理word和WPS的docx格式文件方式
今天小編就為大家分享一篇基于python的docx模塊處理word和WPS的docx格式文件方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02
PyQt5實(shí)現(xiàn)簡(jiǎn)單數(shù)據(jù)標(biāo)注工具
這篇文章主要為大家詳細(xì)介紹了PyQt5實(shí)現(xiàn)簡(jiǎn)單數(shù)據(jù)標(biāo)注工具,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-03-03
詳解用Python練習(xí)畫個(gè)美隊(duì)盾牌
這篇文章主要介紹了用Python練習(xí)畫個(gè)美隊(duì)盾牌,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03

