Numpy 与Python列表的对比

在本文中，我们将介绍Numpy和Python列表之间的区别。Numpy是Python的一个基本科学计算库，而列表是Python中最基本的数据类型之一。

阅读更多：Numpy 教程

Numpy数组和Python列表的区别

Numpy数组和Python列表之间有很多不同之处，其中最重要的区别是：

Numpy数组有固定的大小，而Python列表可以根据需要动态增长或缩小。
Numpy数组允许基于条件对数组中的元素进行访问和操作，而Python列表则没有相应的工具。
在访问、操作和处理大量数据时，Numpy数组比Python列表更加高效。

下面我们通过一个简单的例子来说明这些区别。首先，我们导入Numpy库和Python列表：

import numpy as np

# Python列表
my_list = [1, 2, 3, 4, 5]

# Numpy数组
my_array = np.array(my_list)

在上面的代码中，我们使用了Numpy的array()函数将Python列表转换为Numpy数组。接下来，我们将分别比较列表和数组之间的差异。

大小的比较

首先，我们将比较列表和数组的大小。我们可以使用Python的内置len()函数来获得列表的大小；而对于Numpy数组，我们可以使用.shape属性来获取形状。

# 获取列表的大小
print(len(my_list))  # 输出：5

# 获取数组的形状
print(my_array.shape)  # 输出：(5,)

如上所示，我们可以看到，Numpy数组和Python列表之间的第一个显著区别是形状的不同。注意，我们使用了逗号来表示Numpy数组只有一维。

此外，Numpy数组的大小是固定的，无法动态增长或缩小，而Python列表则可以自由增长或缩小。

访问元素的比较

接下来，我们将比较访问Numpy数组和Python列表中的元素的方法。例如，假设我们想要从列表或数组中获取第二个元素（即索引为1的元素）：

# 获取列表中第二个元素
print(my_list[1])   # 输出：2

# 获取数组中第二个元素
print(my_array[1])  # 输出：2

在这种情况下，Python列表与Numpy数组之间没有本质区别。你可以通过索引直接访问列表和数组中的元素。

然而，Numpy数组允许你基于条件访问和操作数组中的元素，而Python列表则不支持。例如，假设我们想要获取数组中所有大于3的元素：

# 获取数组中所有大于3的元素（返回一个布尔数组）
print(my_array > 3)  # 输出：[False False False  True  True]

# 获取数组中所有大于3的元素（返回一个新的包含所有满足条件的元素的数组）
print(my_array[my_array > 3])  # 输出：[4 5]

如上所示，我们可以将带有条件的表达式作为数组索引，它将返回一个布尔数组，其中满足条件的元素为True。然后，我们可以使用布尔数组作为索引来访问所有满足条件的元素。

请注意，这远远不是Numpy数组的全部功能。你可以使用Numpy对数组进行各种运算和转换，例如取平均值、求和、计算方差等等。

效率的比较

最后，我们将比较Numpy数组和Python列表之间的效率差异。通常，对于大量的数据，Numpy数组比Python列表更加高效。考虑以下例子，我们将两个列表和两个数组相乘：

# 定义两个长度为1000000的列表
my_list1 = list(range(1000000))
my_list2 = list(range(1000000))

# 定义两个长度为1000000的数组
my_array1 = np.array(my_list1)
my_array2 = np.array(my_list2)

# 计时列表相乘
%timeit [my_list1[i] * my_list2[i] for i in range(len(my_list1))]
# 输出：722 ms ± 7.24 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

# 计时数组相乘
%timeit my_array1 * my_array2
# 输出：1.48 ms ± 217 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)