Numpy的array与Python的list的异同以及numpy的array与matrix的异同

Numpy与Python内置数据类型list的异同

Python 本身是设计为通用编程语言的，在科学计算方面远远不如MATLAB等语言。但是Python支持开发了Numpy，Numpy使Python有潜力在科学计算领域类比Matlab。numpy的array和list都可以表示多维数组，但各有优劣。list的通用性较强，通过嵌套形成多维数组，元素类型可以不同，实际存储的是数据的指针，还需另外存储指针和数据，在大数组情况下存储和吞吐效率较低；numpy的array是numpy的主要对象，专门为科学计算设计，元素类型必须相同，每个dimension称为一个axes，通过一组正整数来访问（list还可以通过负整数访问），array的操作和计算函数都是通过C编写，不受python解释器的限制，代码复杂度低，计算效率和吞吐效率高。

语法细节的不同：

• 寻址的形式：[1,1]（只有numpy.array可以），[1] [1](numpy.array和list都可以)
• 元素类型，list可以不同，numpy的array必须相同。
• 相互转换：numpy.array()；list()

Numpy.array与Numpy.matrix的异同

numpy中还有一种数据类型matrix，matrix只能是二维的，赋值和运算与array有很多小的区别。
语法细节的不同：

• 赋值的形式：

import numpy as np
a=np.mat('4 3; 2 1')
c=np.array([[4, 3], [2, 1]])

• matrix可以有转置.T，共轭.H，逆矩阵.I；array只能用.T
• 点积运算：array是*；matrix是np.multiply()