什麼是使用ndarray而不是python數組的原因

我構建了一個對未來數據進行迭代的類。數據以數組形式存在，而不使用numpy對象。在我的代碼中，我經常使用.append來創建另一個數組。在某些時候，我將其中一個大數組1000x2000更改爲numpy.array。現在我在出錯後出現錯誤。我開始將所有數組轉換爲ndarray，但像.append這樣的註釋不再適用。我開始有指向行，列或單元格的問題。並且必須重建所有代碼。什麼是使用ndarray而不是python數組的原因

我試着谷歌的問題的答案：「什麼是和使用普通陣列ndarray優勢」我找不到明智的答案。你可以寫什麼時候我應該開始使用ndarrays，如果你在實踐中使用它們或僅使用一個。

對不起，如果問題是一個新手級別，但我是新的python，只是嘗試從Matlab移動，並想了解什麼是利弊。謝謝

來源

2013-02-27 Mus

NumPy和Python數組共享高效存儲在內存中的屬性。

NumPy數組可以加在一起，乘以一個數字，就可以計算一個函數調用中所有值的正弦值等。正如HYRY指出的那樣，它們也可以有多個維度。你不能用Python數組來做到這一點。

另一方面，Python數組確實可以附加到。請注意，NumPy陣列可以連接在一起（hstack(),vstack()，...）。也就是說，NumPy數組主要意味着擁有固定數量的元素。

常見的是首先建立的值的列表（或一個Python陣列）迭代，然後將其轉換爲一個NumPy的陣列（numpy.array()，或者更高效地，具有numpy.frombuffer()，如HYRY提及）：這允許數學運算在數組（或矩陣）上執行非常方便（複雜操作的簡單語法）。或者，numpy.fromiter()可能用於從迭代器構造數組。或從loadtxt()構建它從一個文本文件。

來源

2013-02-27 11:44:37 EOL

有使用NumPy的陣列至少有兩個主要的原因：

NumPy的陣列需要比Python列表更少的空間。因此，您可以使用Python列表處理NumPy數組（內存中）中的更多數據。
NumPy數組有一個龐大的庫函數和方法不可用到Python列表或Python數組。

是的，你不能簡單地將列表轉換爲NumPy數組，並希望你的代碼繼續工作。方法不同，bool語義不同。爲了獲得最佳性能，甚至可能需要更改算法。

但是，如果你正在尋找一個Python的Python替代品，你肯定會找到用於NumPy的。這是值得學習的。

來源

2013-02-27 11:50:53 unutbu

'array.array'對象*做*有一個'追加（）'方法... – EOL 2013-02-27 11:53:02

@EOL：哎呀，你說的很對。 – unutbu 2013-02-27 11:53:52

array.array可以動態改變大小。如果您從某個來源收集數據，最好使用array.array。但array.array只是一個維度，並沒有計算功能。所以，當你想用你的數據做一些計算時，將它轉換爲numpy.ndarray，並在numpy中使用函數。

numpy.frombuffer可以創建一個與array.array共享相同數據緩衝區的numpy.ndarray，因爲它不需要複製數據。

這裏是一個演示：

import numpy as np 
import array 
import random 

a = array.array("d") 
# a for loop that collects 10 channels data 
for x in range(100): 
    a.extend([random.random() for _ in xrange(10)]) 

# create a ndarray that share the same data buffer with array a, and reshape it to 2D 
na = np.frombuffer(a, dtype=float).reshape(-1, 10) 

# call some numpy function to do the calculation 
np.sum(na, axis=0)

來源

2013-02-27 12:11:42 HYRY

用於提及'array.array'和'numpy.frombuffer（）'的單維。 – EOL 2013-03-14 01:01:37

什麼是使用ndarray而不是python數組的原因

回答

相關問題