Python：列表和对象的numpy数组之间的差异答案

【问题标题】：Python: Differences between lists and numpy array of objectsPython：列表和对象的numpy数组之间的差异
【发布时间】：2013-04-11 08:35:42
【问题描述】：

在numpy.array 和dtype='o' 中存储Python 对象与使用list（或list 或list 等，在更高维度上）的优缺点是什么？

在这种情况下，numpy 数组是否更有效？（似乎他们无法避免间接，但在多维情况下可能更有效。）

【问题讨论】：

我个人从未遇到过 NumPy objects 数组的引人注目的用途。看看有人能想出一个令人信服的例子会很有趣。 (+1)
stackoverflow.com/questions/6141853/…的可能重复
@NPE 我大多同意，除了作为对 Fraction 对象（或类似）数组进行（某些）数学运算的便捷方式，无需求助于六个嵌套 zip的和map 的。
@NPE NodePy 使用 NumPy 对象数组（sympy 表达式）对 ODE 的数值方法进行一些精确分析。

标签： python numpy

【解决方案1】：

切片与 NumPy 数组的工作方式不同。 The NumPy docs devote a lengthy page on the topic.强调几点：

NumPy 切片可以通过多个维度进行切片
NumPy 基本切片生成的所有数组始终是原始数组的视图，而列表切片是浅拷贝。
您可以将标量分配给 NumPy 切片。
您可以通过将不同长度的序列分配给切片来插入和删除 list 中的项目，而 NumPy 会引发错误。

演示：

>>> a = np.arange(4, dtype=object).reshape((2,2))
>>> a
array([[0, 1],
       [2, 3]], dtype=object)
>>> a[:,0]             #multidimensional slicing
array([0, 2], dtype=object)
>>> b = a[:,0]
>>> b[:] = True        #can assign scalar
>>> a                  #contents of a changed because b is a view to a
array([[True, 1],
       [True, 3]], dtype=object)

此外，NumPy 数组为支持它们的对象数组提供了方便的数学运算（例如fraction.Fraction）。

【讨论】：

另外，你可以使用像flat、flatten、nditer这样的numpy助手

【解决方案2】：

Numpy 比 Python 列表使用更少的内存。此外，Numpy 比列表更快、更方便。

例如：如果你想在 Python 中添加两个列表，你必须对列表中的所有元素进行循环。另一方面，在 Numpy 中，您只需添加它们。

# adding two lists in python
sum = []
l1 = [1, 2, 3]
l2 = [2, 3, 4]
for i in range(len(l1)):
   print sum.append(l1[i]+l2[i])
# adding in numpy
a1 = np.arange(3)
a2 = np.arange(3)
sum2 = a1+a2
print sum2

【讨论】：

我问的不是数字数组。我在问对象数组。而且我不知道 Python 列表需要更多内存还是更慢。毕竟，它们都是下面的连续数组。