python - Python：列表和对象的numpy数组之间的差异

Question

numpy.array将 Python 对象存储在withdtype='o'与 using list（或listoflist等，在更高维度）中的优缺点是什么？

在这种情况下，numpy 数组是否更有效？（似乎他们无法避免间接，但在多维情况下可能更有效。）

Answer 1

NumPy 数组的切片工作方式不同。NumPy 文档在该主题上花费了很长的一页。 强调一些要点：

• NumPy 切片可以通过多个维度进行切片
• NumPy 基本切片生成的所有数组始终是原始数组的视图，而列表切片是浅拷贝。
• 您可以将标量分配给 NumPy 切片。
• 您可以通过将不同长度的序列分配给切片来插入和删除 a 中的项目list，而 NumPy 会引发错误。

演示：

>>> a = np.arange(4, dtype=object).reshape((2,2))
>>> a
array([[0, 1],
       [2, 3]], dtype=object)
>>> a[:,0]             #multidimensional slicing
array([0, 2], dtype=object)
>>> b = a[:,0]
>>> b[:] = True        #can assign scalar
>>> a                  #contents of a changed because b is a view to a
array([[True, 1],
       [True, 3]], dtype=object)    

此外，NumPy 数组为支持它们的对象数组提供了方便的数学运算（例如fraction.Fraction）。

Answer 2

Numpy 比 Python 列表使用更少的内存。此外，Numpy 比列表更快、更方便。

例如：如果你想在 Python 中添加两个列表，你必须遍历列表中的所有元素。另一方面，在 Numpy 中，您只需添加它们。

# adding two lists in python
sum = []
l1 = [1, 2, 3]
l2 = [2, 3, 4]
for i in range(len(l1)):
   print sum.append(l1[i]+l2[i])
# adding in numpy
a1 = np.arange(3)
a2 = np.arange(3)
sum2 = a1+a2
print sum2