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。