python学习笔记【2】——区分python中的列表(list),数组(array),元组(tuple),矩阵(matrix),张量(tensor,来自tensorflow)

最近学习python以及tensorflow，由于不是相关专业的，被各种类似概念搞得头大，有时候混淆在所难免。其实很多概念只是在不同的环境下用了不同的名称，其数学本质是相同的，通过一段时间的网上查询和学习，这里我就试图捋一捋这几个经常遇到的概念：

【1】列表——list（python概念）

python中的列表通常通过a = [ ] 创建，list内的元素可以为数字，字符串等，元素类型可不同。除非使用numpy将list转换array，否则python本身是没有数组(array)这种说法的; list中不同元素可以有不同的数据类型，而array中元素必须是同种类型，举例如下：

a = [1,2,'a','3']
print(a)
print(type(a))
print(np.shape(a))        #此处不可使用a.shape 因为 AttributeError: 'list' object has no attribute 'shape'
print(type(a[0]),type(a[1]),type(a[2]),type(a[3]))
print()

b = np.array(a)
print(b)
print(type(b))
print(b.shape)
print(type(b[0]),type(b[1]),type(b[2]),type(b[3]))  #将列表a变换成数组b后，整型元素全部变换成字符串类型
print(b.dtype)     #dtype只是属于array的一种Attribute，list没有此属性

#运行结果如下
[1, 2, 'a', '3']
<class 'list'>
(4,)
<class 'int'> <class 'int'> <class 'str'> <class 'str'>

['1' '2' 'a' '3']
<class 'numpy.ndarray'>
(4,)
<class 'numpy.str_'> <class 'numpy.str_'> <class 'numpy.str_'> <class 'numpy.str_'>
<U11   #dtype只是属于array的一种Attribute，U代表unicode，在python3中包括字符串类型。

【2】数组——array（numpy概念）

数组一般用a = np.array() 创建，要求元素类型一致。若同时包含数字和字符串，则数字自动转换成字符串。数组元素也可以是list，其他方面,数组和列表区别不大，可以进行索引，切片，加减乘除等运算。一般需要进行数据运算时推荐使用numpy array，比python本身的list格式更加方便和灵活。举例如下：

c= np.array([1,2,3,4])
print(c)
print(c.shape)
print(c.dtype)
print(c.ndim)
print()

d = np.array([[1,2,3,4]])
print(d)
print(d.shape)
print(d.ndim)

#运行结果如下：

[1 2 3 4]
(4,)
int32
1

[[1 2 3 4]]
(1, 4)
2

#继续举例如下：

e = np.array([[1,2,3,4],[5,6]])
print(e)
print(e.shape)
print(e.dtype)
print(e.ndim)
print()

f = np.array([[1,2,3,4],[5,6,7,8]])
print(f)
print(f.shape)
print(f.dtype)
print(f.ndim)

#运行结果如下：

[list([1, 2, 3, 4]) list([5, 6])]
(2,)
object
1

[[1 2 3 4]
 [5 6 7 8]]
(2, 4)
int32
2

【3】元组——tuple（python概念）

元组（tuple）区别于列表和数组的地方在于，元组一旦定义，不可以进行修改；而列表和数组是可以的。除此之外元组性质与列表类似。元组使用圆括号a = （）创建，列表使用方括号a = [ ]创建，例如：

tup1 = (1,2,3,4)
print(type(tup1))
print()

tup2 = ('w',1,2)
print(type(tup2))
print(type(tup2[0]),type(tup2[1]),type(tup2[2]))
print(np.shape(tup2))
tup3 = (55,)  #单个元素的元组，后面一定要加逗号
#tup2[0] = 0 此处若加上此行，则会返回 TypeError: 'tuple' object does not support item assignment

#输出结果如下：

<class 'tuple'>

<class 'tuple'>
<class 'str'> <class 'int'> <class 'int'>
(3,)

【4】矩阵——matrix

矩阵是二维的数组(array)。数组可以有1，2，3,.....,N维，矩阵是其中一种特例。数学课本中一般叫矩阵，程序语言中一般叫二维数组。可形象理解为数据表，相应的3维数组可形象理解为数据块。创建矩阵的方法很多，比如np.mat()和np.array(),np.mat(ones((2,4)))等，示例如下：

import numpy as np
c = np.mat([[1,2],[3,4]])
d = np.array([[1,2],[4,3]])
e = np.mat(ones((2,5))) #默认是float类型
f = np.random.randint(2,8,size=(3,5)) #从2到8(不包括8)随机生成3*5的矩阵，整型
print(c)
print(c.shape)
print(d)
print(d.shape)
print(e)
print(f)

结果如下：

[[1 2]
 [3 4]]
(2, 2)
[[1 2]
 [4 3]]
(2, 2)
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
[[5 5 3 7 3]
 [3 5 3 7 6]
 [6 3 5 2 4]]

【5】张量——tensor（来自tensorflow）

张量可以理解为从0维到n维数组的抽象表示。0阶张量为标量，1阶张量为向量，2阶张量为矩阵，3阶张量为3维数组,......,n阶张量为n维数组。创建方法如下：

 # Build a graph.  
a = tf.ones([2,3])  
b = tf.zeros([2,3])  
c = a * b  
# Launch the graph in a session.  
sess = tf.Session()  

print(sess.run(a)) 
print(sess.run(b))  
print(sess.run(c))  

结果如下：

[[1. 1. 1.]
 [1. 1. 1.]]
[[0. 0. 0.]
 [0. 0. 0.]]
[[0. 0. 0.]
 [0. 0. 0.]]