numpy array转 python list

主要调用numpy的tolist()方法,可参考下面的例子:

import numpy as np
arr=np.array([0,1,2,3,4,5,6,7,8,9])
lst=arr.tolist()
type(lst)
#<class 'list'>
print(lst)
#[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
NumPy arrayPython List是两种常见的数据类型,它们都具有存储和操作数据的功能,但是这两种数据类型的使用方式和功能特性有很大的差异。 首先,NumPy arrayNumPy库的一个核心数据类型,它是一个固定大小且与元素类型相同的数组,而Python List是一个可变大小的列表,可以包含不同类型的数据。由于NumPy array是固定大小的,相较于Python List,在存储和访问大规模数据时更为高效。 其次,NumPy array支持广播和向量化操作,可以进行逐元素的运算,使得数据运算更加快速和高效,而Python List则需要一个for循环来完成逐个运算。 此外,NumPy库还可以进行线性代数、统计计算等高级运算。对于处理一些科学计算和数据分析任务,NumPy array可以更好地满足需求。 相比之下,PyTorch是一个基于Torch的Python深度学习框架,它的主要数据类型是Tensors。Tensors也类似于NumPyarray,可以存储和操作数据,但它同时支持GPU计算,可以快速计算神经网络中的大量计算。 此外,PyTorch框架还提供了自动微分、模型构建和优化等功能,对于进行深度学习任务的开发人员来说是非常便利的。而NumPy库则更适用于进行一些基础的数值计算和科学计算任务。 总之,NumPy arrayPython List是两种不同的数据类型,适用于不同的数据处理场景,而PyTorch中的Tensor则是一种更专门用于深度学习的数据类型。选择合适的数据类型,可以在数据处理和深度学习任务中提高效率和精度。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

upDiff

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值