Numpy 数组相对于嵌套列表的优势

在本文中，我们将学习Python中使用Numpy数组和嵌套列表的优势。Numpy数组明确比嵌套列表有优势。下面是一些原因：

• 在Numpy中，数组比嵌套列表执行速度更快。
• 嵌套列表比嵌套列表占用更多内存。

Numpy数组

NumPy是一种N维数组类型，称为ndarray。它描述了相同类型的项目集合。可以使用从零开始的索引来访问集合中的项目。

ndarray中的每个项目在内存中占用相同大小的块，ndarray中的每个元素都是数据类型对象的对象。

创建Numpy数组

示例

使用NumPy的array()函数创建基本的Numpy数组：

import numpy as np

# Create a Numpy Array
arr = np.array([5, 10, 15, 20, 25])
print("Array = ",arr)

输出

Array = [ 5 10 15 20 25]

使用Numpy创建矩阵

输出

在这个示例中，我们将使用numpy库创建一个矩阵-

import numpy as np

# Create a Numpy Matrix 2x3
a = np.array([[5, 10, 15], [20, 25, 30]])

# Display the array with more than one dimension
print("Array = ",a)

输出

Array =
[[ 5 10 15]
[20 25 30]]

嵌套列表

嵌套列表就是一个列表中包含了其他列表。它们可以用来创建矩阵。

使用嵌套列表创建矩阵

使用嵌套列表，在Python中可以轻松创建一个矩阵。在一个嵌套列表中：

• 每个元素都是一个嵌套列表，即一个矩阵拥有行和列。
• 嵌套列表中的元素个数=矩阵的行数。
• 嵌套列表中列表的长度=矩阵的列数。

示例

我们来看一个示例：

# create a matrix 3x3
mat = [[5, 10, 15],
[50, 100, 150],
[100, 150, 200]]

# number of rows
rows = len(mat)
print("Number of rows = ", rows)

# number of columns = length of sublist
cols = len(mat[0])
print("Number of columns = ", cols)

# Display the matrix (nested list)
print("\nMatrix = ")
for i in range(0, rows):
   print(mat[i])

输出

Number of rows =  3
Number of columns =  3

Matrix = 
[5, 10, 15]
[50, 100, 150]
[100, 150, 200]

上面的示例显示了嵌套列表 –