为什么应该使用NumPy数组而不是嵌套的Python列表

本文将向您展示为什么应该使用NumPy数组而不是嵌套的Python列表，以及它们之间的相似性和差异。

Python NumPy库

NumPy是一个专为在Python中高效处理数组而设计的库。它具有快速、易学和高效存储的特点。它还改善了数据处理过程中的方式。在NumPy中，我们可以生成n维数组。要使用NumPy，我们只需将其导入到我们的程序中，然后就可以在代码中轻松使用NumPy的功能。

Python嵌套列表

Python列表是一种可变且有序的元素集合。在Python中，列表用方括号表示。

嵌套列表可以是同质或异质的。
在列表上，无法进行逐元素操作。
Python列表默认为一维。然而，我们可以创建一个N维列表。但它仍然是一个存储另一个一维列表的一维列表。
列表的元素不必在内存中是连续的。
Python列表是有用的通用容器，可用于插入、添加、删除和连接数据。
列表有两个缺点：它们不支持元素逐元素的加法和乘法等“矢量化”操作，而且由于它们可以包含不同类型的对象，Python必须为每个元素存储类型信息，并在处理每个元素时执行类型分派代码。

NumPy数组

NumPy更高效和便利，因为它提供了大量的向量和矩阵操作，减少了工作和代码复杂性。与嵌套循环相比，NumPy也更高效。
NumPy数组更快，并包含更多内置函数，用于执行FFT、卷积、快速搜索、线性代数、基本统计学、直方图和其他任务。
NumPy数组允许针对大量数据进行高级数学和其他操作。
默认情况下，数组是同质的，这意味着数组中的所有数据必须是相同的数据类型。（请注意，Python中也可以创建结构化数组。）
可以进行逐元素操作。
NumPy数组包括各种函数、方法和变量，可以帮助我们进行矩阵计算工作。
数组的元素在内存中被连续保存。例如，一个二维数组的每行必须具有相同的列数。另外，一个三维数组的每个面都必须具有相同的行数和列数。

嵌套列表的表示

示例

# creating a nested list
inputList= [[2, 7, 8], [1, 5, 4]]

# printing nested List
print(inputList)

输出

在执行时，上述程序将生成以下输出：

[[2, 7, 8], [1, 5, 4]]

1维Numpy数组的表示

步骤

以下是执行所需任务的算法/步骤−

使用import关键字，导入numpy模块并使用别名np。
使用numPy模块的array()函数（返回一个ndarray。ndarray是满足给定要求的数组对象）创建一个1维Numpy数组。
打印1维数组。

# importing numpy module with an alias name
import numpy as np

# creating a 1-dimensional numpy array
inputArray = np.array([12, 4, 8, 6])

# printing 1-D array
print(inputArray)

输出

执行上述程序后，将生成以下输出 –

[12 4 8 6]

多维Numpy数组的表示

示例

# importing numpy module with an alias name
import numpy as np

# creating a multi-dimensional numpy array
inputArray = np.array([(2, 7, 8), (1, 5, 4)])

# printing multi-dimensional array
print(inputArray)

输出

执行上述程序后，将生成以下输出：

[[2 7 8]
 [1 5 4]]

使用Numpy数组而不是Python列表的优点

占用更少的内存。
比Python列表更快。
使用简单。

列表和数组之间的相似之处

它们都使用方括号([])。
数组和列表都是可变的（两者的元素都可以修改）。
NumPy数组和列表都可以进行索引和切片。

Numpy数组和Python列表之间的区别

Numpy数组	Python列表
数组可以直接处理数学运算	列表不能直接进行数学运算。
消耗的内存比列表少	消耗更多的内存
数组比列表更快	相对于数组，列表较慢
修改起来有点复杂	更容易修改
数组不能包含不同的数据大小	列表可以包含多种嵌套的数据大小。
数组不能存储不同的数据类型	列表可以存储不同的数据类型

Numpy数组和Python列表的比较

内存消耗

# importing numpy module with an alias name
import numpy as np

# importing system module
import sys

# creating a nested list
inputList= [[2, 7, 8], [1, 5, 4]]

# printing the size of each item of list(bytes)
print("The size of each item of list(bytes) = ",sys.getsizeof(inputList))

# printing size of the entire list(bytes)
print("The size of the entire list(bytes) = ",sys.getsizeof(inputList)*len(inputList))

# creating a Numpy array with same elements
inputArray= np.array([(2, 7, 8), (1, 5, 4)])

# printing each element of Numpy array(bytes) size
print("Each element of Numpy array(bytes) size = ",inputArray.itemsize)

# printing the entire Numpy array(bytes) size
print("The entire Numpy array(bytes) size = ", inputArray.size*inputArray.itemsize)

输出

执行上述程序后，将生成以下输出-

The size of each item of list(bytes) = 88
The size of the entire list(bytes) = 176
Each element of Numpy array(bytes) size = 8
The entire Numpy array(bytes) size = 48

我们可以观察到嵌套列表消耗的内存比NumPy数组要多得多。