python中的list和array的区别及相互转化

电脑环境

电脑环境：Windows 10 教育版

Python：python3.6

概述

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

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：

[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：

1、 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

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)

结果：

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

2、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

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((4,-1))
print(c)

结果：

[[ 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c使用相同的内存空间

c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])
c.shape # (3L, 4L)
d=c.reshape((4,-1))
d[2:4]=100
print(d)

结果：

[[  1   2   3][  4   4   5][100 100 100][100 100 100]]

3、直接创建一个array。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.

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

结果：

[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。

4、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。

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

结果：

[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。

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

结果：

[[ 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。
5、涉及到矩阵的运算再使用mat，那么list主要就是用进行元素的索取。

def loaddataSet(fileName):    file=open(fileName)    dataMat=[]  for line in file.readlines():    curLine=line.strip().split('\t')    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

上面的函数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。

python中的list和array的区别及相互转化相关推荐

python中dtype什么意思_浅谈python 中的 type(), dtype(), astype()的区别
如下所示: 函数说明 type() 返回数据结构类型(list.dict.numpy.ndarray 等) dtype() 返回数据元素的数据类型(int.float等) 备注:1)由于 list. ...
python中的list和array的不同之处
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 ...
python dtype什么意思_浅谈python 中的 type(), dtype(), astype()的区别
如下所示: 函数说明 type() 返回数据结构类型(list.dict.numpy.ndarray 等) dtype() 返回数据元素的数据类型(int.float等) 备注:1)由于 list. ...
python中astype用法_浅谈python 中的 type(), dtype(), astype()的区别
如下所示: 函数说明 type() 返回数据结构类型(list.dict.numpy.ndarray 等) dtype() 返回数据元素的数据类型(int.float等) 备注:1)由于 list. ...
Python中爬虫框架或模块的区别
Python中爬虫框架或模块的区别,我们在Python的学习过程中,需要不断的总结知识点,这样我们才能进步的更快一些. (1)爬虫框架或模块 Python自带爬虫模块:urllib.urllib2; ...
Python中值传递和引用传递区别
原文:http://blog.csdn.net/xuqiaobo/article/details/72236539 举例,函数参数如果是dic,都不需要返回值,原值就被改变了 def aa(dic): ...
Python中str()与repr()函数的区别——repr() 的输出追求明确性，除了对象内容，还需要展示出对象的数据类型信息，适合开发和调试阶段使用...
Python中str()与repr()函数的区别 from:https://www.jianshu.com/p/2a41315ca47e 在 Python 中要将某一类型的变量或者常量转换为字符串对象 ...
python中列表元组字典集合的区别
参考文章:python中列表元组字典集合的区别
Python中爬虫框架或模块的区别！
Python中爬虫框架或模块的区别,我们在Python的学习过程中,需要不断的总结知识点,这样我们才能进步的更快一些. (1)爬虫框架或模块 Python自带爬虫模块:urllib.urllib2; ...

python中的list和array的区别及相互转化

电脑环境

概述

创建：

python中的list和array的区别及相互转化相关推荐

最新文章

热门文章