Python机器学习基础之Numpy_python数组被认定为字符串无法机器学习-优快云博客

本文链接：https://blog.youkuaiyun.com/shuyudexiaowu/article/details/113927897

本文探讨了Python中数据结构的优化，从列表(List)过渡到数组(Array)以及进一步使用NumPy。列表允许存储不同类型的元素，但效率较低。数组则限制为单一类型，提高处理效率，而NumPy则专为矩阵和向量运算设计，提供高性能的数据处理能力。了解如何利用dtype查询数组类型，并通过示例展示了列表、数组和NumPy数组的创建。对于需要高效处理数值计算的场景，NumPy是更好的选择。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看不到太远就把眼前做到最好，做眼前获利最大的事。

python的列表可以包含多种类型的数据，比如一个列表arr= 【‘2’，‘mane’，‘7.23’】这使得它在处理效率上不太高。

如果我们只需要处理数据不需要处理别的，想高效一点呢？python提供了array（注意不再是List），也就是数组，它只能存储一种数据类型，最初赋值是啥类型就是啥类型的数组。

但是array不能处理矩阵，这对机器学习不好。

numpy包应运而生。

numpy是：只处理一种类型的可以进行向量或矩阵运算的包。

可以通过.dtpye来查询一个数组的类型。

例如：arr=【1，2，3】那arr.dtype='int64'

如果一个已经是整形的数组赋值“字符串”会报错，但是赋值浮点型就不会，python会自动进行一个类型转换。

#写一个列表
list1=[i for i in range(10)]
#结果：list1=[0,1,2,3,4,5,6,7,8,9]

#写一个数组
'''i 代表这个数组里是整数，python将会暂时分配2个字节给它'''
import array
arr1=array.array('i',[i for i in range(10)]) 
#结果：arr1=array('i', [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

#写一个numpy数组
import numpy as np
nparr=np.array([i for i in range(10)])
#结果：nparr=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

总结：

list列表，里面可以是不同类型

array数组，里面只能是一种类型

numpy数组，里面只能是一种类型但是可以进行矩阵或向量运算。

附：所有数值类型的字符代码表：