python 中的list和array的不同之处及转换问题

2023-09-15 12:19:04 166

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']
printlist1
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
printa,np.shape(a)
printb,np.shape(b)
printc,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
[12345](5L,)#一维数组，类型用tuple表示
[[123]
[456]](2L,3L)
[1,2,3,4,5](5L,)

创建：

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
printa,b,
c.shape()

也可以直接改变属性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((2,-1))
c
array([[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书c使用相同的内存空间

d=c.reshape((2,-1))
d[1:2]=100
c
array([[1,2,3],
[4,4,5],
[100,100,100],
[100,100,100]])

前面在创建数组的时候并没有使用数据类型，这里我们也可以使用数据类型。默认的是int32.

a1=np.array([[1,2,3],[4,5,6]],dtype=np.float64)
printa1.dtype,a.dtype#float64int32

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)
printarr1,arr1.dtype
printarr2,arr2.dtype
[123456789]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。

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

deffun(i):
returni%4+2
np.fromfunction(fun,(10,))
array([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。

deffun2(i,j):
return(i+1)*(j+1)
np.fromfunction(fun2,(9,9))

array([[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，涉及到矩阵的运算在使用mat，那么list主要就是用进行元素的索取。

defloaddataSet(fileName):
file=open(fileName)
dataMat=[]//
forlineinfile.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)
returndataMat

上面的韩顺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。

元素访问：

arr[5]#5
arr[3:5]#array([3,4])
arr[:5]#array([0,1,2,3,4])
arr[:-1]#array([0,1,2,3,4,5,6,7,8])
arr[:]#array([0,1,2,3,4,5,6,7,8,9])
arr[2:4]=100#array([0,1,100,100,4,5,6,7,8,9])
arr[1:-1:2]#array([1,100,5,7])2是间隔
arr[::-1]#array([9,8,7,6,5,4,100,100,1,0])
arr[5:2:-1]#-1的间隔表示从右向左所以5>2#array([5,4,100])

上面是array的一维数组的访问方式，我们再来看看二维的处理方式

printc[1:2]#c[1:2].shape-->(1L,3L)
printc[1:2][0]#shape-->(3L,)
[[445]]
[445]
[python]viewplaincopy
printc[1]
printc[1:2]
[445]
[[445]]
[python]viewplaincopy
printc[1][2]
printc[1:4]
printc[1:4][0][2]
5
[[445]
[100100100]
[100100100]]
5

可以看出对于有:的表达最终的结果外面还嵌套一层list的[]，。访问的一定要注意，python最bug的就是，语法
灵活，不管怎样写索引语法都是正确的，但是最终的书结果却让你大跌眼镜。

还有array的索引最终产生的是一个一个原始数据的浅拷贝，还和原来的数据共用一块儿内存

b=arr[1:6]
b[:3]=0
arr#array([0,0,0,0,4,5,6,7,8,9])

产生上面的原因是因为array中直接存放的数据，拷贝的话直接拿走的是pointer，没有取走数据，但是list却会直接发生深拷贝，数据指针全部带走

list1=list(c)
list1[1]=0
list1#上面修改的0并没有被改变
[array([1,2,3]),0,array([100,100,100]),array([100,100,100])]

除了这些之外还有自己的更加牛掰的方式（只能用array)

1）使用布尔数组.感觉甚是强大，就不要自己写什么判断语句啦，注意这种方式得到结果不和原始数组共享空间。布尔索引仅仅适用于数组array，list没资格用。布尔索引最终得到下标索引为true的数据。索引只能是布尔数组

a=np.array(a*2)
a>5
a[a>5]#
array([16,32,48,64,80,16,32,48,64,80])

2)列表索引

列表索引可以是数组和list。返回的数据不和原来的数据共享内存。索引可以是list和array

x=np.arange(10)
index=[1,2,3,4,5]
arr_index=np.array(index)
printx
printx[index]#list索引
printx[arr_index]#array索引
[0123456789]
[12345]
[12345]

array和list区别*2

a=np.arange(10)
lista=list(a)
printa*2
printlista*2
[024681012141618]
[0,1,2,3,4,5,6,7,8,9,0,1,2,3,4,5,6,7,8,9]

array的广播

a=np.arange(0,60,10).reshape(-1,1)
b=np.arange(0,5)
printa
printb
[[0]
[10]
[20]
[30]
[40]
[50]]
[01234]
printnp.add(a,b,c)
[[01234]
[1011121314]
[2021222324]
[3031323334]
[4041424344]
[5051525354]]

总结

以上所述是小编给大家介绍的python中的list和array的不同之处及转换问题，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持！

python 中的list和array的不同之处及转换问题

热门推荐

随机推荐