Python列表相关

列表切片语法：

l = [1,2,3,4,5,6]

List1=[1,2,3]：列表是动态指针数组，它保存的是对象的指针，其元素可以是任意类型的对象。比如要保存上述的List1，需要3个指针和3个整数对象，浪费内存和计算时间。

array模块中的array函数不支持多维数组，且函数功能不丰富？

NumPy中的N维数组ndarray

• NumPy中基本的数据结构
• 所有元素是同一种类型
• 别名array（数组）
• 节省内存，提高CPU计算时间
• 有丰富的函数
  注：NumPy的思维模式是面向多维数组。

numpy.ndarray()是其构造函数，生成一个ndarray对象，有若干个属性。

创建ndarray：使用np.array([1，2，3，4])函数，从常规的python列表或者元组中创建数组，元素的类型由原序列中的元素类型确定。

也就是说：np.ndarray()是构造函数，np.array()是成员函数。

numpy索引多维数组时，a[1][1][1]代表Python内置List的访问方式；a[1，1，1]代表numpy的访问方式；a[1:2，3:4，5:6]代表多维数组的切片，得到的还是一个ndarray；对于维数超过 3 的多维数组，还可以通过 ‘…’ 来简化操作。

print arr[1，…] # 等价于 arr[1, :, :]
print arr[…，1] # 等价于 arr[:, :, 1]
00000000000000000000000000000000000000000000000000000000
arr = np.array([
[1, 2, 3, 4],
[2, 4, 6, 8],
[3, 6, 9, 12],
[4, 8, 12, 16] ])
print arr[[0, 2], [3, 1]]
结果是：[4 6] #注意对相应关系，序列的长度和多维数组的维数要一致；序列中每个数组的长度要一致
numpy切片得到的是原多维数组的一个视图(view) ，修改切片中的内容会导致原多维数组的内容也发生变化
numpy切片得到在多维数组中连续(或按特定步长连续)排列的值，而索引可以得到任意位置的值，自由度更大一些

广播是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术运算通常在相应的元素上进行。 如果两个阵列具有完全相同的形状，则这些操作被无缝执行。较小的数组会广播到较大数组的大小，以便使它们的形状可兼容。

使用简单的赋值操作不会生成新列表，如b = a，则a，b同时指向相同的对象列表；

使用 a[:]或list(a)或a*1或copy.copy(a)四种方式复制列表结果都可以得到一个新的列表，但是如果列表中含有列表，所有b, c, d, e四个新列表的子列表都是指引到同一个对象上,也就是浅拷贝。只有使用copy.deepcopy(a)方法得到的新列表，才是包括子列表在内的完全复制，可使用id()函数验证。

np.array()和np.asarray()的区别：当是ndarray时，asarray是不复制原数据的；如果是普通的list，两个都会复制。