为什么应该使用 NumPy 数组而不是嵌套的 Python 列表？

在 Python 中，有许多方法来存储和处理数据。嵌套的列表是其中之一。虽然它们可以用于各种目的，但当涉及到数值计算时，最好使用NumPy数组。

阅读更多：Python 教程

NumPy 数组的优势

NumPy数组比嵌套的Python列表更可取，因为它们提供了以下优势：

1. 尺寸不可变性

在Python中，列表的大小是可变的。当列表中的新元素添加到列表中，列表的大小将增加。在进行科学计算时，这不是一种理想的情况。当尝试将多个不同大小的列表相加时，您可能会遇到麻烦。然而，NumPy数组大小是固定的，因此不管存储什么类型的数据，大小总是保持不变，这使得数据处理更加容易。

2. 数量级的速度优势

在Python中，for循环是处理列表中的数据的常用方法。这种方法可以在某些情况下很慢，并且因为Python是一种解释型语言，它不会像C或Java那样进行优化。但是，NumPy中的操作是高度优化的，并且使用C语言编写了底层代码。这使得NumPy在数值计算时比Python快好几个数量级。

3. 方便且易于理解的语法

NumPy数组可以像常规数学数组那样进行索引，切片和修改。这使得代码易于阅读和理解。

4. 内存利用率高

Python中的列表不存储相同类型的数据，因此它们需要更多的空间来存储相同数量的数据。但是，NumPy数组是单一数据类型的，这使得它们在存储相同的数据时使用更少的空间。

以上是NumPy数组优点的一些例子，但是这并不是全部。当处理任何类型的数值计算时，NumPy数组都是最佳选择。

示例：使用嵌套列表和NumPy数组运行简单的加法

使用嵌套的Python 列表

def add_lists(x, y):
    result = []
    for i in range(len(x)):
        row = []
        for j in range(len(x[0])):
            row.append(x[i][j] + y[i][j])
        result.append(row)
    return result

x = [[1,2],[3,4]]
y = [[5,6],[7,8]]
print(add_lists(x, y))

输出：

[[6, 8], [10, 12]]

使用NumPy 数组

import numpy as np

x = np.array([[1,2],[3,4]])
y = np.array([[5,6],[7,8]])

print(x + y)

输出：

array([[ 6,  8],
       [10, 12]])

很明显，使用NumPy数组代码更加简洁和易于理解。

结论

在Python编程中，NumPy数组是处理数值计算的首选。虽然许多不同的方法可用于存储数据，但NumPy数组由于其大小不可变、数量级的速度优势、易于理解的语法和内存效率而优于其他方法。如果您正在处理数值数据，请使用NumPy数组以获得最佳性能。