python中的ndarray和list有什么区别？

Question

上周，我的老师问我们：在存储从 1 到 100 的整数时，使用list和使用ndarray有什么区别。 我以前从未使用过 numpy，所以我在网站上搜索了这个问题。 但是我所有的搜索结果都告诉我，它们只是有尺寸差异。 Ndarray可以存储 N 维数据，而list存储一个。 那不满足我。 是不是真的很简单，只是我想多了，还是没有找到合适的关键字来搜索？ 我需要帮助。

Answer 1

有几个区别：

- 您可以将 append 元素添加到列表中，但如果不制作完整副本，则无法更改“numpy.ndarray”的大小。

-列表可以包含所有内容，在 numpy arrays 中，所有元素必须具有相同的类型。

- 在实践中，numpy arrays 对于矢量函数比映射函数到列表更快。

- 我认为修改时间不是问题，但对元素的迭代是。 Numpy arrays 有许多与数组相关的方法（“argmin”、“min”、“sort”等）。

当我需要进行一些数学运算（求和、平均、数组乘法等）并列出何时需要迭代“项目”（字符串、文件等）时，我更喜欢使用 numpy arrays。

Answer 2

一维数组就像一排方格纸。##

您可以在每个盒子内存放一件东西

下图是一个二维数组的例子

二维 arrays 有行有列

我应该改变数字。
当我绘制图片时，我只是将第一行复制了很多次。
每行的数字可以完全不同。

import numpy as np

lol = [[1, 2, 3], [4, 5, 6]]
# `lol` is a list of lists

arr_har = np.array(lol, np.int32)

print(type(arr_har)) # <class 'numpy.ndarray'>

print("BEFORE:")
print(arr_har)

# change the value in row 0 and column 2.
arr_har[0][2] = 999

print("\n\nAFTER arr_har[0][2] = 999:")
print(arr_har)

下图是一个3维数组的例子

总结/结论：

Python 中的list就像一维数组。

ndarray是“n维数组”或“多维数组”的缩写

ndarray list和 ndarray 之间的区别在于 ndarray 有 2 个或更多维度