NumPy np 数组与 Python 列表

Question

我是 Python 的初学者，最近了解了 NumPy 及其著名的ndarrays。起初，看了很多人夸他们（一些参考here，here，here），我想：

“好吧，如果 NumPy 的数组好得多，并且假设我并不真正关心在同一个列表/数组上具有异构数据类型，我为什么要使用 Python 的列表？”

但是，经过更深入的研究，我发现使用 ndarrays 也有不利的一面（一些参考文献here 和here）。我已经了解了使用这些数据结构的基本优缺点，但这一切对我来说似乎仍然很困惑。所以，我的问题是：作为 Python 的初学者，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这篇文章是重复的——确实已经有很多“ndarrays vs lists”主题了。但是，我已经搜索了一段时间，但我的问题没有找到令人满意的答案。很多人都在谈论ndarrays和lists的好处，但是还不清楚，特别是像我这样的初学者，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？还是我应该反其道而行之？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，比 numpy 的 ndarrays 占用更多的内存。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。正因为如此，大多数数学运算都针对 numpy 进行了优化，ndarrays 还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数据，并且附加/删除非常有效。如果您想添加和删除许多不同的对象，Python 列表是您的最佳选择。

出于机器学习的目的，ndarrays 绝对是您的最佳选择。 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，因为它们处理大量的同质数据。