列表和数组区别及其实例应用

1、numpy数组与列表的区别

Python列表可以存储一维数组，通过列表的嵌套可以实现多维数组的处理。
Numpy是一个第三方库，可以使用库中的ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。

既然python中含有可以处理一维数组和多维数组的能力，为何还要用第三方库numpy呢？

因为Numpy是专门针对数组的操作和运算而进行设计的，所以数组的存储效率和输入输出性能远优于Python中的嵌套列表，数组越大，数据量越大，Numpy的优势就越明显。

注：通常Numpy数组中的所有元素的类型都是相同的，而Python列表中的元素类型是任意的。
从通用性能上来看：Numpy数组不及Python列表；
但在科学计算中，可以省掉很多循环语句，Numpy数组比Python列表快得多。

代码中常见的情况：

1.1、进行转置处理

#数组可以进行转置
import numpy as np

a = np.array([[1, 2, 0, 1], [1, 6, 9, 55], [7, 8, 9, 5]])  # a为数组
print(a.T)


#列表不可以进行转置
a = [[1, 2, 0, 1], [1, 6, 9, 55], [7, 8, 9, 5]]  # a为列表
print(a.T)

#输出结果显示：
"""
[[ 1  1  7]
 [ 2  6  8]
 [ 0  9  9]
 [ 1 55  5]]


AttributeError: 'list' object has no attribute 'T'
"""

1.2、进行.shape输出

#数组可以使用.shape
import numpy as np

a = np.array([[1, 2, 3], [1, 1, 4], [1, 5, 1]])
print(a.shape)


#列表不能使用.shape
a = [[1, 2, 3], [1, 1, 4], [1, 5, 1]]
print(a.shape)

#输出结果：
"""
(3, 3)

AttributeError: 'list' object has no attribute 'shape'
"""

1.3、数组和列表关于乘号*的应用

from numpy import *

# a为数组
a = array([[1, 2, 3],
           [4, 5, 6]])
b = 4 * a
print(b)


# c为列表
c = ([[1, 2, 3],
      [4, 5, 6]])
d = 4 * c
print(d)

结果显示：

[[ 4  8 12]
 [16 20 24]]

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

2、numpy数组其它常见应用

2.2、改变原始数组结构

比如将四行三列的数组改为十二行一列和三行四列，操作代码如下：

import numpy as np
a=np.array([[1,2,3],[1,1,4],[1,5,1],[1,1,4]])
a=a.reshape(-1,1)
print(a)
print("\n")
# 每四个数字为一行
b=a.reshape(-1,4)
print(b)

结果输出为：

[[1]
 [2]
 [3]
 [1]
 [1]
 [4]
 [1]
 [5]
 [1]
 [1]
 [1]
 [4]]
 
[[1 2 3 1]
 [1 4 1 5]
 [1 1 1 4]]

参考

http://blog.sina.com.cn/s/blog_d8f6ec6b0102wtbh.html
https://blog.csdn.net/qq_35752161/article/details/83004587