python列表与元组例题,python数组的数组
,python数据类型分为很多类型,包括元组、字典、列表等。下面这篇文章主要介绍python中数组和列表的相关资料,以及Python列表和Numpy数组的区别。有需要的朋友可以参考一下。
目录
列表数组python列表和Numpy数组差异汇总#环境win64+anaconda+python3.6
list array
(1)列表不具有数组的所有属性(如维度、换位等。)
代码1:
#eg1_1
将numpy作为np导入
A=np.array ([[1,2,0,1],[1,6,9,55],[7,8,9,5]]) # a是数组
印刷
#结果:
[[ 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是列表。
印刷
#结果:
“list”对象没有属性“T”
代码2:
#eg1_3
将numpy作为np导入
a=np.array([[1,2,3],[1,1,4],[1,5,1]])
印刷(a .形状)
#结果:
(3, 3)
#eg1_4
a=[[1,2,3]、[1,1,4]、[1,5,1]]
印刷(a .形状)
#结果
“列表”对象没有属性“形状”
(对了,如何把数组转换成列向量:)
将numpy作为np导入
a=np.array([[1,2,3],[1,1,4],[1,5,1]])
a=a . shape(-1,1)
打印(一份)
#结果:
[[1]
[2]
[3]
[1]
[1]
[4]
[1]
[5]
[1]]
一个[:m]的意思。可以是列表或数组,但无论哪种情况,A [33600]都是空的。
#eg2_1
将numpy作为np导入
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,其实一模一样。
打印(a[:0])
打印(a[:1])
打印(a[:2])
#结果:
[]
[[4 1 2]]
[[ 4 1 2]
[ 7 4 10]]
#eg2_1
a=[(4,1,2),(7,4,10),(12,17,88)]
打印(a[:0])
打印(a[:1])
打印(a[:2])
#结果:
[]
[(4, 1, 2)]
[(4, 1, 2), (7, 4, 10)]
(3)计算“==”乘3)数组和列表
#eg3_1
将numpy作为np导入
a=np.array([狗,猫,车])
b=np.array([dog , cat , trunk])
acc=(np.mean(a==b))
打印(acc)
#结果
0.6666666666666666
#eg3_2
将numpy作为np导入
a=[狗,猫,车]
b=[狗,猫,树干]
acc=(np.mean(a==b))
打印(acc)
#结果
0.0
(4)计算" * "乘4)数组和列表
来自numpy import *
#a是一个数组。
a=数组([[1,2,3],
[4,5,6]])
b=4*a
打印(b)
[[ 4 8 12]
[16 20 24]]
来自numpy import *
#a是列表。
a=([[1,2,3],
[4,5,6]])
b=4*a
打印(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
1.两者都可以用来处理多维数组。
Numpy中的ndarray对象用于处理多维数组,它充当了一个快速灵活的大数据容器。Python列表可以存储一维数组,多维数组可以通过嵌套列表来实现。
2.存储效率和输入输出性能不同。
Numpy是专门为数组的操作和运算而设计的,存储效率和输入输出性能远远优于Python中的嵌套链表。数组越大,Numpy的优势越明显。
3.元素数据类型。
一般来说,Numpy数组中的所有元素都必须是同一类型,而Python列表中的元素类型是任意的,所以Numpy数组在一般性能上不如Python列表,但在科学计算中,可以省略很多循环语句,代码用法也比Python列表简单很多。
总结
这就是这篇关于python中数组和列表的文章。有关python数组和列表的更多信息,请搜索流行的IT软件开发工作室以前的文章或继续浏览下面的相关文章。希望你以后能支持风行IT软件开发工作室!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。