数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究NumPy 数组相对于嵌套列表的优势
在本文中，我们将学习 NumPy 数组在 Python 中相对于嵌套列表的优势。NumPy 数组确实比嵌套列表有优势。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。
NumPy 数组
NumPy 是一种称为 ndarray 的 N 维数组类型。它描述了相同类型项目的集合。可以使用基于零的索引访问集合中的项目。
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实例。
创建 NumPy 数组
示例
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，嵌套列表是列表的列表。它们也可以用来创建矩阵。
使用嵌套列表创建矩阵
使用嵌套列表，您可以轻松地在 Python 中创建矩阵。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量 = 矩阵的行数。
- 嵌套列表内列表的长度 = 列数。
示例
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]
以上示例显示了嵌套列表 -
更新于: 2022-09-15
2K+ 浏览量
广告