数组与 python 列表的工作方式有何不同？
a=[0,1,2,3,4,5,6,7,8,9]
b=2
a==b
给予
False
但是
a=np.array([0,1,2,3,4,5,6,7,8,9])
b=2
a==b
给予
array([False, False, True, False, False, False, False, False, False, False])
【问题讨论】：
标签： arrays python-3.x list numpy
发生这种情况是因为与默认 python 列表相比，numpy 数组上的 __eq__ 方法定义不同。
Numpy 专为各种提议而设计，主要用于数据科学用途，这使得该方法定义成为非常有用（且非常快速）的选择。
换句话说，np.array 和列表是不同的动物。使用每种方法取决于您要达到的目标，尽管对于某些提议而言，它并没有太大差异，因为它们有一些相似之处。
【讨论】：
首先，您不需要在行尾在 python 中添加任何;。
那么，
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b = 2
a == b
将检查 a 是否等于 b，这意味着它完全相同（此处列表的类型和内容相同）。
你可以使用：
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b = 2
b in a # True if yes, false if not
例如。 python中有几种方法（可以阅读here）
使用 numpy 数组有点不同，因为 np.array 和 int/float 的 == 将检查您想要的数字是否是数组的值，并会为您提供每个元素的结果。正如凯文（在评论中）提到的那样，它被称为broadcasting。
这将执行这个计算：
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b = 2
a == b
result_list = []
for value in a:
result_list.append(b == value)
print(result_list)
在某些情况下可能更有趣。不要忘记 numpy，因为它是用 Cython 编写的，比我在这里写的要快（尤其是对于大型数组/列表）
【讨论】：