千家信息网

python中数组和列表怎么用

发表于:2024-12-01 作者:千家信息网编辑
千家信息网最后更新 2024年12月01日,这篇文章主要介绍python中数组和列表怎么用,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!#环境win64+anaconda+python3.6list & array(1)
千家信息网最后更新 2024年12月01日python中数组和列表怎么用

这篇文章主要介绍python中数组和列表怎么用,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!

#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_1import numpy as npa = 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_2a = [[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_3import numpy as npa=np.array([[1,2,3],[1,1,4],[1,5,1]])print(a.shape) #Result:(3, 3) #eg1_4a=[[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 npa=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_1import numpy as npa=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_1a=[(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_1import numpy as npa=np.array(['dog','cat','car'])b=np.array(['dog','cat','trunk'])acc = (np.mean(a == b))print(acc) #Result0.6666666666666666 #eg3_2import numpy as npa=['dog','cat','car']b=['dog','cat','trunk']acc = (np.mean(a == b))print(acc) #Result0.0

(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*aprint(b)     [[ 4  8 12] [16 20 24]]  from numpy import *#a为列表a=([[1,2,3],   [4,5,6]])b=4*aprint(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。

以上是"python中数组和列表怎么用"这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注行业资讯频道!

0