python - NumPy 的 ndarrays 与 Python 的列表

Question

我是 Python 的初学者，最近学习了 NumPy 及其著名的 ndarrays。一开始看到很多人都称赞他们(有的引用了here，here，here)，我想:

“好吧，如果 NumPy 的数组好得多，假设我真的不关心在同一个列表/数组上有异构数据类型，我为什么要使用 Python 的列表？”

然而，经过更深入的研究，我发现使用 ndarrays 也有消极的一面(一些引用 here 和 here )。我已经了解了使用这些数据结构中的每一个的基本优缺点，但这一切对我来说仍然很困惑。所以，我的问题是:作为Python初学者，什么时候该用NumPy的数组，什么时候该用Python的列表？在给定情况下，我如何评估哪个选项最好？

有些人可能倾向于认为这篇文章是重复的——而且确实已经有很多“ndarrays vs lists”主题。但是，我已经搜索了一段时间，但没有为我的问题找到令人满意的答案。很多人都在谈论ndarrays和列表的好处，但是还是不清楚，特别是对于像我这样的初学者，如何在它们之间进行选择。我应该在日常编码中使用 NumPy 数组并为特殊情况保存列表吗？或者我应该做相反的事情吗？谢谢!

注意:因为它可能与答案相关，所以我打算将 Python 主要用于机器学习。

Answer 1

Python 列表更庞大。它们基本上是指针数组，占用的内存比 numpy 的 ndarrays 多得多。因此，对于涉及矩阵和复杂计算的数学运算，ndarrays 是更好的选择。因此，大多数数学运算都针对 numpy 进行了优化，并且 ndarrays 有更多数学上有用的函数。

不过，Python 列表要灵活得多。它们可以保存异构的、任意的数据，并且添加/删除非常高效。如果您想添加和删除许多不同的对象，Python 列表是您的不二之选。

为了机器学习的目的，ndarrays 绝对是您最好的选择。 Tensorflow 和 keras 这两个最流行的机器学习库更适合 numpy 的内存高效数组，因为它们处理大量同质数据。