numpy¶

相似之处¶

1. 基本用途：

   • 都用于存储数值类型的数据。
   • 都支持多维数组。

2. 索引和切片：

   • 都支持类似的索引和切片操作。

不同之处¶

1. 功能和性能：

   • numpy的ndarray提供了更多的功能和更高的性能。它支持广播、矢量化操作、多种数学函数、高效的线性代数运算、傅里叶变换等。
   • Python的array模块功能较为有限，主要用于存储一维数组，并且仅支持基本的数组操作。

2. 数据类型：

   • numpy的ndarray支持多种数据类型，包括整数、浮点数、复数、布尔值、字符串等，并且可以定义自定义的数据类型（结构化数组）。
   • Python的array模块仅支持基本的数值类型，如整型和浮点型。

3. 多维支持：

   • numpy的ndarray本质上是多维的，可以创建任意维度的数组。
   • Python的array模块主要支持一维数组，多维数组需要通过嵌套实现。

4. 内存布局和效率：

   • numpy的ndarray使用连续的内存块存储数据，效率高，适合大规模数据的操作。
   • Python的array模块在性能和内存效率上不如numpy，尤其是处理大规模数据时。

5. 内置函数和操作：

   • numpy提供了大量内置函数和方法来进行各种数组操作，例如求和、平均、矩阵运算、排序等。
   • Python的array模块提供的内置函数较少，功能较为单一。

示例对比¶

创建数组¶

import array
import numpy as np

# 使用 array 模块创建数组
arr1 = array.array('i', [1, 2, 3, 4, 5])

# 使用 numpy 模块创建数组
arr2 = np.array([1, 2, 3, 4, 5])

基本操作¶

# array 模块
arr1.append(6)
print(arr1)  # array('i', [1, 2, 3, 4, 5, 6])

# numpy 模块
arr2 = np.append(arr2, 6)
print(arr2)  # [1 2 3 4 5 6]

多维数组¶

# array 模块
# 不直接支持，需要嵌套
arr3 = array.array('i', [1, 2, 3])
arr4 = array.array('i', [4, 5, 6])
multi_dim_arr = [arr3, arr4]

# numpy 模块
multi_dim_arr_np = np.array([[1, 2, 3], [4, 5, 6]])

综上所述，numpy的ndarray在功能、性能和灵活性方面都优于Python的array模块，因此在科学计算、数据分析和机器学习等领域得到了广泛应用。如果你的应用场景涉及到复杂的数组操作，建议使用numpy的ndarray。