NumPy的ndarrays与Python的列表

Question

我是Python的初学者，最近了解了NumPy及其著名的ndarrays。一开始，在读了很多人称赞他们（一些参考文献here、here、here）之后，我想：

“好吧，如果NumPy的数组好得多，而且假设我真的不在乎在同一个列表/数组上有异构数据类型，那我为什么要使用Python的list呢？”你知道吗

然而，经过更深入的研究，我发现使用ndarrays也有消极的一面（一些参考文献here和here）。我已经理解了使用每种数据结构的基本优缺点，但这一切对我来说仍然非常混乱。所以，我的问题是：作为Python的初学者，我应该什么时候使用NumPy的数组，什么时候使用Python的列表？在特定情况下，我如何评估哪种选择是最好的？

有些人可能会认为这篇文章是重复的——而且确实已经有很多“ndarrays vs lists”的主题了。然而，我已经搜索了一段时间，我没有找到一个满意的答案，我的问题。有很多人在谈论数组和列表的好处，但是仍然不清楚，特别是对于像我这样的初学者，如何在它们之间进行选择。我是否应该在日常编码中使用NumPy数组，并为特殊情况保存列表？或者我应该反其道而行之？谢谢您！你知道吗

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。你知道吗

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，大多数数学运算已经针对numpy进行了优化，并且对于ndarrays有更多数学上有用的函数。你知道吗

不过，Python列表要灵活得多。它们可以保存异构的任意数据，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列表就是最好的选择。你知道吗

对于机器学习来说，ndarrays绝对是你最好的选择。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。你知道吗