我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

本文话题继续说基于python的ndarray类型和list类型的差异，总体上来说，两者是差不多的。但是，有一些重要的差异之处的，两者的表现差异性极强。

苏南大叔：python教程，如何理解ndarray和list使用时的异同之处？ - ndarray-vs-list
python教程，如何理解ndarray和list使用时的异同之处？（图6-1）

大家好，这里是苏南大叔的“程序如此灵动”博客，本文以上一篇ndarray的出人意料之处为出发点，描述ndarray和list类型的一些重要差异点。本文测试环境：win10，python@3.11.0，numpy@1.24.2，pandas@1.5.3。

前文提示

本文的正确理解，需要您查看以下两篇文章：

ndarray之所以会给苏南大叔造成重大的意外，就是因为上文所说的两个对成员进行设置的地方。那么，本文也是基于上述的意外点展开阐述的。

初始值对后续值的影响不同

初始值的内存容量对后续值有重大影响的是ndarray，list类型没有影响！差异明显！
测试代码：

import numpy as np

s1 = [["苏", "南", "大", "叔"], ["北", "京", "大", "学"]]
s2 = np.array(s1)

s1[0:2][0][2]= "豪豪豪"
s2[0:2][0][2]= "豪豪豪"

print(s1)
print(s2)
Python

输出：

[['苏', '南', '豪豪豪', '叔'], ['北', '京', '大', '学']]
[['苏' '南' '豪' '叔']
 ['北' '京' '大' '学']]
Plain text

对于ndarray来说，初始成员的长度最大值，限制了后续被修改的成员的长度最大值。

苏南大叔：python教程，如何理解ndarray和list使用时的异同之处？ - 内存容量限制
python教程，如何理解ndarray和list使用时的异同之处？（图6-2）

对一组数据设置的结果不同

对一组或几组数据进行设置的时候，ndarray是改变所有的成员变量，而list是整体替换这几组数据。差异明显！
测试代码：

import numpy as np
s1 = [["苏", "南", "大", "叔"], ["北", "京", "大", "学"]]
s2 = np.array(s1)

s1[0:1] = "叔"
s2[0:1] = "叔"

print(s1)
print(s2)
Python

输出：

['叔', ['北', '京', '大', '学']]
[['叔' '叔' '叔' '叔']
 ['北' '京' '大' '学']]
Plain text

苏南大叔：python教程，如何理解ndarray和list使用时的异同之处？ - 对一组数据进行设置
python教程，如何理解ndarray和list使用时的异同之处？（图6-3）

import numpy as np
s1 = [["苏", "南", "大", "叔"], ["北", "京", "大", "学"]]
s2 = np.array(s1)

s1[:] = "叔"
s2[:] = "叔"

print(s1)
print(s2)
Python

输出：

['叔']
[['叔' '叔' '叔' '叔']
 ['叔' '叔' '叔' '叔']]
Plain text

苏南大叔：python教程，如何理解ndarray和list使用时的异同之处？ - 对一组数据进行设置2
python教程，如何理解ndarray和list使用时的异同之处？（图6-4）

输出不同

这个print的输出结果，两者也有很大不同。

  • list是用逗号隔开的，[]之间没有换行。
  • ndarray是用空格隔开的，[]之间，多一层多个换行。
  • pycharm可以对ndarray可视化，确不支持对list类型的可视化。

苏南大叔：python教程，如何理解ndarray和list使用时的异同之处？ - 数据可视化
python教程，如何理解ndarray和list使用时的异同之处？（图6-5）

整体直接运算

这里以乘法运算为例，

  • list是直接成员数量加倍。
  • ndarray是数字类型数字翻倍，字符类型直接出错。
import numpy as np

s1 = [1,2]
s2 = np.array(s1)
print(s1*2)      # [1, 2, 1, 2]
print(s2*2)      # [2 4]

s1 = [[1,2]]
s2 = np.array(s1)
print(s1*2)      # [[1, 2], [1, 2]]
print(s2*2)      # [[2 4]]
Python

另外一个例子：

import numpy as np

s1 = [[1,2], ["北", "京"]]
s2 = np.array(s1)
print(s1*2)      # [[1, 2], ['北', '京'], [1, 2], ['北', '京']]
print(s2*2)      # numpy.core._exceptions.UFuncTypeError: ufunc 'multiply' did not
Python

对字符串型的ndarray，做乘方运算的时候，报错如下：

Traceback (most recent call last):
  File "C:\Users\sunan\Desktop\demo\py\t.py", line 15, in <module>
    print(s2*2)
numpy.core._exceptions.UFuncTypeError: ufunc 'multiply' did not contain a loop with signature matching types (dtype('<U11'), dtype('<U11')) -> dtype('<U11')
Plain text

苏南大叔：python教程，如何理解ndarray和list使用时的异同之处？ - 直接运算
python教程，如何理解ndarray和list使用时的异同之处？（图6-6）

结束语

没有啥话可说，存在即为合理，既然两者是不同的数据类型，必然有其差异之处！目前看到的差异是这些，不排除将来再继续进行补充！都是苏南大叔自己总结的内容，不妥之处欢迎留言指正。

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。

 【福利】 腾讯云最新爆款活动！1核2G云服务器首年50元！

 【源码】本文代码片段及相关软件，请点此获取更多信息

 【绝密】秘籍文章入口，仅传授于有缘之人   python