• python中的list和array的不同之处 2

        

     

                                 

               

      版权声明：本文为博主非原创文章，未经博主允许可以转载。

       
       

                                     Python中的list和array的不同之处

             python中的list是python的内置数据类型，list中的数据类不必相同的，而array的中的类型必须全部相同。在list中的数据类型保存的是数据的存放的地址，简单的说就是指针，并非数据，这样保存一个list就太麻烦了，例如list1=[1,2,3,'a']需要4个指针和四个数据，增加了存储和消耗cpu。

            numpy中封装的array有很强大的功能，里面存放的都是相同的数据类型

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      1. list1=[1,2,3,'a']  
      2. print list1  
      3.   
      4. a=np.array([1,2,3,4,5])  
      5. b=np.array([[1,2,3],[4,5,6]])  
      6. c=list(a)   # array到list的转换  
      7. print a,np.shape(a)  
      8. print b,np.shape(b)  
      9. print c,np.shape(c)  
      list1=[1,2,3,'a']
print list1

a=np.array([1,2,3,4,5])
b=np.array([[1,2,3],[4,5,6]])
c=list(a)   # array到list的转换
print a,np.shape(a)
print b,np.shape(b)
print c,np.shape(c)

      运行结果：

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      1. [1, 2, 3, 'a'] # 元素数据类型不同，并且用逗号隔开  
      2. [1 2 3 4 5] (5L,) # 一维数组，类型用tuple表示  
      3. [[1 2 3]  
      4.  [4 5 6]] (2L, 3L)  
      5. [1, 2, 3, 4, 5] (5L,)  
      [1, 2, 3, 'a'] # 元素数据类型不同，并且用逗号隔开
[1 2 3 4 5] (5L,) # 一维数组，类型用tuple表示
[[1 2 3]
 [4 5 6]] (2L, 3L)
[1, 2, 3, 4, 5] (5L,)

      创建：

          array的创建：参数既可以是list，也可以是元组.使用对应的属性shape直接得到形状
      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      1. a=np.array((1,2,3,4,5))# 参数是元组  
      2. b=np.array([6,7,8,9,0])# 参数是list  
      3. c=np.array([[1,2,3],[4,5,6]])# 参数二维数组  
      4. print a,b,  
      5. c.shape()  
      a=np.array((1,2,3,4,5))# 参数是元组
b=np.array([6,7,8,9,0])# 参数是list
c=np.array([[1,2,3],[4,5,6]])# 参数二维数组
print a,b,
c.shape()
         也可以直接改变属性array的形状，-1代表的是自己推算。这里并不是T, reshape(())也可以
      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      1. c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])  
      2. c.shape # (3L, 4L)  
      3. c.shape=4,-1   //c.reshape((2,-1))  
      4. c    
      c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])
c.shape # (3L, 4L)
c.shape=4,-1   //c.reshape((2,-1))
c
      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      1. <pre style="box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; rgb(255, 255, 255);">array([[ 1,  2,  3],  
      2.        [ 4,  4,  5],  
      3.        [ 6,  7,  7],  
      4.        [ 8,  9, 10]])  
      <pre style="box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; ">array([[ 1,  2,  3],
       [ 4,  4,  5],
       [ 6,  7,  7],
       [ 8,  9, 10]])
         
         这里的reshape最终相当于是一个浅拷贝，也就是说还是和原来的书c使用相同的内存空间
      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      1. d=c.reshape((2,-1))  
      2. d[1:2]=100  
      3. c  
      d=c.reshape((2,-1))
d[1:2]=100
c
      array([[  1,   2,   3],
       [  4,   4,   5],
       [100, 100, 100],
       [100, 100, 100]])
         前面在创建数组的时候并没有使用数据类型，这里我们也可以使用数据类型。默认的是int32.
      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      1. a1=np.array([[1,2,3],[4,5,6]],dtype=np.float64)  
      2. print a1.dtype,a.dtype  #float64 int32<pre style="margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; rgb(255, 255, 255);">  
      a1=np.array([[1,2,3],[4,5,6]],dtype=np.float64)
print a1.dtype,a.dtype  #float64 int32<pre style="margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; ">
      前面在创建的时候我们都是使用的np.array()方法从tuple或者list转换成为array，感觉很是费劲，numpy自己提供了很多的方法让我们自己直接创建一个array. 
      

      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. arr1=np.arange(1,10,1) #   
        2. 

      2. arr2=np.linspace(1,10,10)  
        3. 

      3. print arr1,arr1.dtype  
        4. 

      4. print arr2,arr2.dtype  
        5. 

      


      

      arr1=np.arange(1,10,1) # 
arr2=np.linspace(1,10,10)
print arr1,arr1.dtype
print arr2,arr2.dtype
      

      [1 2 3 4 5 6 7 8 9] int32
[  1.   2.   3.   4.   5.   6.   7.   8.   9.  10.] float64
      

      np.arange(a,b,c)表示产生从a-b不包括b，间隔为c的一个array，数据类型默认是int32。但是linspace(a,b,c)表示的是把a-b平均分成c分，它包括b。
      

         有时候我们需要对于每一个元素的坐标进行赋予不同的数值，可以使用fromfunction函数
      

      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. def fun(i):  
        2. 

      2.     return i%4+2  
        3. 

      3. np.fromfunction(fun,(10,))  
        4. 

      


      

      def fun(i):
    return i%4+2
np.fromfunction(fun,(10,))
      

      array([ 2.,  3.,  4.,  5.,  2.,  3.,  4.,  5.,  2.,  3.])
      

         fromfunction必须支持多维数组，所以他的第二个参数必须是一个tuple，只能是(10,),(10)是错误的。
      

      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. def fun2(i,j):  
        2. 

      2.     return (i+1)*(j+1)  
        3. 

      3. np.fromfunction(fun2,(9,9))  
        4. 

      


      

      def fun2(i,j):
    return (i+1)*(j+1)
np.fromfunction(fun2,(9,9))
      

      array([[  1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.],
       [  2.,   4.,   6.,   8.,  10.,  12.,  14.,  16.,  18.],
       [  3.,   6.,   9.,  12.,  15.,  18.,  21.,  24.,  27.],
       [  4.,   8.,  12.,  16.,  20.,  24.,  28.,  32.,  36.],
       [  5.,  10.,  15.,  20.,  25.,  30.,  35.,  40.,  45.],
       [  6.,  12.,  18.,  24.,  30.,  36.,  42.,  48.,  54.],
       [  7.,  14.,  21.,  28.,  35.,  42.,  49.,  56.,  63.],
       [  8.,  16.,  24.,  32.,  40.,  48.,  56.,  64.,  72.],
       [  9.,  18.,  27.,  36.,  45.,  54.,  63.,  72.,  81.]])
      

          虽然说，这里提供了很多的直接产生array的方式，但是大部分情况我们都是会从list进行转换，因为在实际的处理中，我们需要从txt加载文件，那样直接读入的数据显示存放到list中，需要处理的时候我们转换到array,因为
      

      array的设计更加符合我们的使用，涉及到矩阵的运算在使用mat，那么list主要就是用进行元素的索取。
      

      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. def loaddataSet(fileName):    
        2. 

      2.     file=open(fileName)    
        3. 

      3.     dataMat=[]  //  
        4. 

      4.     for line in file.readlines():    
        5. 

      5.         curLine=line.strip().split('	')    
        6. 

      6.         floatLine=map(float,curLine)//这里使用的是map函数直接把数据转化成为float类型    
        7. 

      7.         dataMat.append(floatLine)    
        8. 

      8.     return dataMat    
        9. 

      


      

      def loaddataSet(fileName):  
    file=open(fileName)  
    dataMat=[]  //
    for line in file.readlines():  
        curLine=line.strip().split('	')  
        floatLine=map(float,curLine)//这里使用的是map函数直接把数据转化成为float类型  
        dataMat.append(floatLine)  
    return dataMat  
      

      上面的韩顺返回最终的数据就是最初的list数据集，再根据不同的处理需求是转化到array还是mat。其实array是mat的父类，能用mat的地方，array理论上都能传入。
      

      

      

       元素访问：
      

       
      

      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. arr[5] #5  
        2. 

      2. arr[3:5] #array([3, 4])  
        3. 

      3. arr[:5] #array([0, 1, 2, 3, 4])  
        4. 

      4. arr[:-1]# array([0, 1, 2, 3, 4, 5, 6, 7, 8])  
        5. 

      5. arr[:] #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])  
        6. 

      6. arr[2:4]=100 # array([  0,   1, 100, 100,   4,   5,   6,   7,   8,   9])  
        7. 

      7. arr[1:-1:2] #array([  1, 100,   5,   7]) 2 是间隔  
        8. 

      8. arr[::-1] #array([  9,   8,   7,   6,   5,   4, 100, 100,   1,   0])   
        9. 

      9. arr[5:2:-1]# -1的间隔表示从右向左所以5>2  #array([  5,   4, 100])  
        10. 

      


      

      arr[5] #5
arr[3:5] #array([3, 4])
arr[:5] #array([0, 1, 2, 3, 4])
arr[:-1]# array([0, 1, 2, 3, 4, 5, 6, 7, 8])
arr[:] #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr[2:4]=100 # array([  0,   1, 100, 100,   4,   5,   6,   7,   8,   9])
arr[1:-1:2] #array([  1, 100,   5,   7]) 2 是间隔
arr[::-1] #array([  9,   8,   7,   6,   5,   4, 100, 100,   1,   0]) 
arr[5:2:-1]# -1的间隔表示从右向左所以5>2  #array([  5,   4, 100])
      

      

       
      

         上面是array的一维数组的访问方式，我们再来看看二维的处理方式
      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. print c[1:2]#  c[1:2].shape-->(1L, 3L)  
        2. 

      2. print c[1:2][0]  # shape-->(3L,)  
        3. 

      


      

      print c[1:2]#  c[1:2].shape-->(1L, 3L)
print c[1:2][0]  # shape-->(3L,)
      

      [[4 4 5]]
[4 4 5]
      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. print c[1]  
        2. 

      2. print c[1:2]  
        3. 

      


      

      print c[1]
print c[1:2]
      

      [4 4 5]
[[4 4 5]]
      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. print c[1][2]  
        2. 

      2. print c[1:4]  
        3. 

      3. print c[1:4][0][2]  
        4. 

      


      

      print c[1][2]
print c[1:4]
print c[1:4][0][2]
      

      5
[[  4   4   5]
 [100 100 100]
 [100 100 100]]
5
      

         可以看出对于有:的表达最终的结果外面还嵌套一层list的[]，。访问的一定要注意，python最bug的就是，语法
      

      灵活，不管怎样写索引语法都是正确的，但是最终的书结果却让你大跌眼镜。
      

      

      

          还有array的索引最终产生的是一个一个原始数据的浅拷贝，还和原来的数据共用一块儿内存
      

      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. b=arr[1:6]  
        2. 

      2. b[:3]=0  
        3. 

      3. arr  #<pre style="box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; rgb(255, 255, 255);">array([0, 0, 0, 0, 4, 5, 6, 7, 8, 9])  
        4. 

      


      

      b=arr[1:6]
b[:3]=0
arr  #<pre style="box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; ">array([0, 0, 0, 0, 4, 5, 6, 7, 8, 9])
      

          
      

          产生上面的原因是因为array中直接存放的数据，拷贝的话直接拿走的是pointer，没有取走数据，但是list却会直接发生深拷贝，数据指针全部带走
      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. list1=list(c)  
        2. 

      2. list1[1]=0  
        3. 

      3. list1  #上面修改的0并没有被改变  
        4. 

      


      

      list1=list(c)
list1[1]=0
list1  #上面修改的0并没有被改变
      

      [array([1, 2, 3]), 0, array([100, 100, 100]), array([100, 100, 100])]
      

      

         除了这些之外还有自己的更加牛掰的方式（只能用array)
      

         1）使用布尔数组.感觉甚是强大，就不要自己写什么判断语句啦，注意这种方式得到结果不和原始数组共享空间。布尔索引仅仅适用于数组array，list没资格用。布尔索引最终得到下标索引为true的数据。索引只能是布尔数组
      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. a=np.array(a*2)  
        2. 

      2. a>5  
        3. 

      3. a[a>5]  #   
        4. 

      


      

      a=np.array(a*2)
a>5
a[a>5]  # 
      

      array([16, 32, 48, 64, 80, 16, 32, 48, 64, 80])
      

      

         2)列表索引
      

      

            列表索引可以是数组和list。返回的数据不和原来的数据共享内存。索引可以是list和array
      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. x=np.arange(10)  
        2. 

      2. index=[1,2,3,4,5]  
        3. 

      3. arr_index=np.array(index)  
        4. 

      4. print x  
        5. 

      5. print x[index]  # list索引  
        6. 

      6. print x[arr_index]  # array索引  
        7. 

      


      

      x=np.arange(10)
index=[1,2,3,4,5]
arr_index=np.array(index)
print x
print x[index]  # list索引
print x[arr_index]  # array索引
      

      

      [0 1 2 3 4 5 6 7 8 9]
[1 2 3 4 5]
[1 2 3 4 5]
      

        array和list区别*2
      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. a=np.arange(10)  
        2. 

      2. lista=list(a)  
        3. 

      3. print a*2  
        4. 

      4. print lista*2  
        5. 

      


      

      a=np.arange(10)
lista=list(a)
print a*2
print lista*2
      

      [ 0  2  4  6  8 10 12 14 16 18]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
      

       array的广播
      

       
      

      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. a = np.arange(0, 60, 10).reshape(-1, 1)  
        2. 

      2. b = np.arange(0, 5)  
        3. 

      3. print a  
        4. 

      4. print b  
        5. 

      


      

      a = np.arange(0, 60, 10).reshape(-1, 1)
b = np.arange(0, 5)
print a
print b
      

      [[ 0]
 [10]
 [20]
 [30]
 [40]
 [50]]
[0 1 2 3 4]
      

      

      

      [python] view plain copy print?在CODE上查看代码片派生到我的代码片
      

      

        

      1. print np.add(a,b,c)  
        2. 

      

       
      

      

      print np.add(a,b,c)
      

      [[ 0  1  2  3  4]
 [10 11 12 13 14]
 [20 21 22 23 24]
 [30 31 32 33 34]
 [40 41 42 43 44]
 [50 51 52 53 54]]
      

      

      

      

      
      
          
      • 

          
    • 

            相关阅读:
      
            
              Freewriting23_Hunting job again. 
                
      PYDay4基本数据类型、字符串、元组、列表、字典 
                
      PYDay3初识python 
                
      PYDay2linux基础\常用命令 
                
      PYDay1洗剑 
                
      ASP.NET 2.0中GridView无限层复杂表头的实现(datagrid大同小易，repeater就不必这样，直接有头模版布局就可以) 
                
      JavaScript获取HTML DOM节点元素的方法的总结 
                
      Asp.net中实现同一用户名不能同时登陆(转) 
                
      在JS文件中写脚本几种常见的形式 
                
      获取repeater中头模版中的控件时要加从controls[0] 
                
                        
          
      • 
          
    • 
            原文地址：https://www.cnblogs.com/sthinker/p/6773650.html
          
      • 

        
    
      
    


      
      
    
        

        

      
    
    
    
  
    

  

  
    Copyright © 2020-2023 
  润新知