与嵌套列表相比，Numpy 数组的优势

我会带着你远行 2024-03-30 18:03 74阅读 0赞

在本文中，我们将了解 Python 中带有嵌套列表的 Numpy 数组的优势。Numpy 数组绝对比嵌套数组具有优势。让我们看看原因——

*  Numpy 中的数组执行速度比嵌套列表快。
 *  嵌套列表比嵌套列表消耗更多的内存。

### 数字数组 ###

NumPy 是一种称为 ndarray 的 N 维数组类型。它描述相同类型的项的集合。可以使用从零开始的索引访问集合中的项。

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

### 创建一个数字数组 ###

#### 例 ####

基本的 Numpy 数组是使用 NumPy 中的 array（） 函数创建的：

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 ####

在这个例子中，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 ###

顾名思义，嵌套列表是列表列表。它们也可用于创建矩阵。

### 创建具有嵌套列表的矩阵 ###

使用嵌套列表，您可以在 Python 中轻松创建矩阵。在嵌套列表中。

*  嵌套列表的每个元素，即矩阵都有行和列。
 *  嵌套列表中的元素数 = 矩阵的行数。
 *  嵌套列表内列表的长度 = 列数。

#### 例 ####

让我们看一个例子 -

\# 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]

上面的例子显示嵌套列表 -

![48b73b2ac0c8425a95e4648c5a468266.jpeg][]

[48b73b2ac0c8425a95e4648c5a468266.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/4dbf5ab78720403093284b98bebf090e.jpeg