NumPy ndarrays 与 Python 的列表
NumPy's ndarrays vs Python's lists
我是 Python 的初学者，我最近了解了 NumPy 及其著名的 ndarrays。起初，看了很多人称赞他们（有些引用here, here, here），我想：
"Well, if NumPy's arrays are so much better, and assuming I don't really care about having heterogeneous data types on the same list/array, why should I ever use Python's list?"
然而，经过更深入的研究，我发现使用 ndarrays 也有消极的一面（一些参考 and ）。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混乱。所以，我的问题是：作为 Python 的初学者，我什么时候应该使用 NumPy 的数组，什么时候应该使用 Python 的列表？在给定的情况下，我如何评估哪个选项是最好的？
有些人可能倾向于认为此 post 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。很多人都在说ndarrays和列表的好处，但是还是不太清楚，特别是像我这样的初学者，如何选择。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。
Python 列表比较庞大。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。它们可以容纳异构的、任意的数据，并且 appending/removing 非常高效。如果您想添加和删除许多不同的对象，Python 列表是最佳选择。
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 memory-efficient 数组，因为它们处理大量同质数据。
我是 Python 的初学者，我最近了解了 NumPy 及其著名的 ndarrays。起初，看了很多人称赞他们（有些引用here, here, here），我想：
"Well, if NumPy's arrays are so much better, and assuming I don't really care about having heterogeneous data types on the same list/array, why should I ever use Python's list?"
然而，经过更深入的研究，我发现使用 ndarrays 也有消极的一面（一些参考
有些人可能倾向于认为此 post 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。很多人都在说ndarrays和列表的好处，但是还是不太清楚，特别是像我这样的初学者，如何选择。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。
Python 列表比较庞大。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.
Python 列表要灵活得多。它们可以容纳异构的、任意的数据，并且 appending/removing 非常高效。如果您想添加和删除许多不同的对象，Python 列表是最佳选择。
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 memory-efficient 数组，因为它们处理大量同质数据。