python中數(shù)組和列表怎么用

這篇文章主要介紹python中數(shù)組和列表怎么用，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

#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對象用于處理多維數(shù)組，它作為一個快速而靈活的大數(shù)據(jù)容器。Python列表可以存儲一維數(shù)組，通過列表的嵌套可以實(shí)現(xiàn)多維數(shù)組。

2、存儲效率和輸入輸出性能不同。

Numpy專門針對數(shù)組的操作和運(yùn)算進(jìn)行了設(shè)計(jì)，存儲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)語句，代碼使用方面比Python列表簡單的多。

以上是“python中數(shù)組和列表怎么用”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道！