Python基础：Python列表与NumPy数组和矩阵的异同

list：列表

array：数组

ndarray：n维的array

matrix：矩阵

1 Python列表和NumPy数组有什么区别？

为什么要使用NumPy？

Python中的列表是存储的地址，NumPy数组比Python列表更快，更紧凑。数组消耗较少的内存，使用起来很方便。NumPy使用更少的内存来存储数据，并且提供了一种指定数据类型的机制。这使得代码可以进一步优化。

相同点：

1、列表和数组在Python中用于存储数据（任何数据类型的字符串，整数等），也可以对它们进行索引和迭代。

2、都具有多维的形式：列表可嵌套成多维的，数组可以指定大小或嵌套成多维的

3、列表和数组都可使用len()

不同点：

1、列表可包含不同的数据类型，数组必须包含包含相同的数据类型

2、列表可以使用shape()，但无法使用list.shape，数组和可以使用

3、四则运算如下：

# array  四则运算 #
a=np.array([4,8,20,16])
a1=a/4
a2=a*2
a3=a+4
a4=a-4
print("除法结果：",a1)
print('乘法结果：',a2)
print('加法结果：',a3)
print('减法结果：',a4)
# 结果：逐元素运算
# 除法结果： [1. 2. 5. 4.]
# 乘法结果： [ 8 16 40 32]
# 加法结果： [ 8 12 24 20]
# 减法结果： [ 0  4 16 12]

# list  四则运算 #
b=[4,8,20,16]
#b1=b/4
b2=b*2
#b3=b+4
#b4=b-4
#print("除法结果：",b1)
print('乘法结果：',b2)
#print('加法结果：',b3)
#print('减法结果：',b4)
# 结果：
# 除法结果：报错
# 乘法结果：[4, 8, 20, 16, 4, 8, 20, 16]
# 加法结果：报错
# 减法结果：报错#  `Python`列表和`NumPy`数组有什么区别？

2 NumPy数组和NumPy矩阵有什么区别？

首先要知道的是矩阵是数组的子类，继承了数组所有的属性和方法，并且矩阵只能是二维的，数组可以是多维的。矩阵和数组主要的差别就体现在运算上。

其次根据官方建议，矩阵的类可能会被删除，现在我们可以使用数组实现所有的操作，数组乘除的运算也有了相应的简单命令。

主要区别总结：

1、矩阵是严格2维的，而数组（ndarrays）是N维的。

2、生成方式不同：矩阵可以从字符串或列表中生成；数组只能从列表中生成

import numpy as np

a1 = np.mat([[1,2],[3,4]])
a2 = np.mat('1,2;3,4')
print(a1)
# [[1 2]
#  [3 4]]
print('\n a2= \n',a2)
# [[1 2]
#  [3 4]]

3、数组的主要优点是它们比二维矩阵更通用。许多NumPy函数返回数组，而不是矩阵。

4、在逐元素运算和线性代数运算之间有明显的区别。

NumPy矩阵的主要优点是它们为矩阵乘法提供了一种方便的表示法：如果a和b是矩阵，则a*b它们是矩阵乘积。相反，NumPy数组始终遵守逐元素的操作规则（除了新增加的@运算符）。因此，如果a和b是NumPy数组，则a*b该数组是通过逐个元素相乘而形成的。要获得和矩阵乘法相同的结果，要使用np.dot()或者@ (Python 3.5版本以上)

import numpy as np

# 矩阵 #
a = np.mat('4 3; 2 1')
b = np.mat('1 2; 3 4')
print(a)
# [[4 3]
#  [2 1]]
print(b)
# [[1 2]
#  [3 4]]
print(a*b)
# [[13 20]
#  [ 5  8]]

# 数组 #
c = np.array([[4, 3], [2, 1]])
d = np.array([[1, 2], [3, 4]])
print(c*d)
# [[4 6]
#  [6 4]]
print(np.dot(c,d))
# [[13 20]
#  [ 5  8]]
print(c@d)
# [[13 20]
#  [ 5  8]]

5、转置、求逆

矩阵和数组都可以通过.T方法得到其转置。但是矩阵还可以通过 .H和.I分别得到共轭矩阵和逆矩阵。

6、索引不同：矩阵的a[0]和a[0][0]返回相同的结果

a = np.mat('4 3; 2 1')
c = np.array([[1, 2], [3, 4]])
print(a)
# [[4 3]
#  [2 1]]
print(a[0])
# [[4 3]]
print(a[0][0])
#[[4 3]]

print(c)
# [[1 2]
#  [3 4]]
print(c[0])
# [1 2]
print(c[0][0])
# 1

7、更加详细的区别参考：NumPy for Matlab users

3 参考链接

1.NumPy: the absolute basics for beginners

2.What are the differences between numpy arrays and matrices? Which one should I use?
3.https://blog.csdn.net/yeler082/article/details/90342438

4.https://blog.csdn.net/xiaobaicai4552/article/details/79413325