Python 如何在Python中表示不可变向量？

在Python中，我们经常需要处理向量或者数组，这些数据结构在很多应用场景中都是必不可少的。在某些应用场景中，我们需要表示一个不可变的向量，即向量一旦被定义就不能被修改，这时候我们需要使用Python中的元组(tuple)或者NumPy中的数组(array)来表示不可变向量。

阅读更多：Python 教程

使用元组表示不可变向量

元组是一个有序且不可变的序列，可以将元组理解为只读版的Python列表(list)。在Python中，我们可以使用元组来表示不可变向量。例如，我们要定义一个表示二维平面上一个坐标的不可变向量(x,y)，可以使用元组表示：

vector = (2, 3)
print(vector[0]) # output: 2
print(vector[1]) # output: 3

此时，我们不能通过索引修改元组中的某个元素，比如以下代码是错误的：

vector[0] = 4 # TypeError: 'tuple' object does not support item assignment

但是需要注意的是，如果元组中包含可变对象，那么这个可变对象的状态是可以被修改的：

vector = ([1, 2], 3)
vector[0][0] = 4 # OK

NumPy是一个Python科学计算的库，它提供了高效的向量和矩阵计算功能。在NumPy中，我们也可以使用数组来表示不可变向量。和元组相比，NumPy数组可以支持更广泛的数值计算，因此在科学计算领域中，NumPy数组被广泛应用。

在使用NumPy数组表示不可变向量时，我们需要先将向量转换成NumPy数组。例如，我们要定义一个表示二维平面上一个坐标的不可变向量(x,y)，可以使用以下代码：

import numpy as np

vector = np.array([2, 3])
print(vector[0]) # output: 2
print(vector[1]) # output: 3

同样，我们不能通过索引修改数组中的某个元素：

vector[0] = 4 # TypeError: 'numpy.ndarray' object does not support item assignment

元组和NumPy数组都可以用来表示不可变向量，但是它们的性能和适用场景有所不同。

查找元素：元组通过索引查找元素的速度很快，而NumPy数组要比元组慢一些，因为NumPy的数组比较复杂，支持更多的操作，因此需要更多的时间。

修改元素：由于元组是不可变的，因此不能修改它的元素。而对NumPy数组的修改是允许的，但是这会导致数据的拷贝，从而导致性能下降。

存储空间：NumPy数组需要更多的存储空间，因为它要记录数组的维度和数据类型等信息。相比之下，元组只需要记录元素值即可，因此需要的存储空间较小。

根据不同的应用场景，我们需要选择合适的数据结构来表示不可变向量。

在Python中，我们可以使用元组或者NumPy数组来表示不可变向量。在选择数据结构时，我们需要考虑元素的查找速度、修改操作、存储空间等因素，以便选择合适的数据结构。