详解Python list 与 NumPy.ndarry 切片之间的对比
更新时间：2017年07月24日 09:25:32 投稿：lqh
这篇文章主要介绍了详解Python list 与 NumPy.ndarry 切片之间的区别的相关资料,list 切片返回的是不原数据，对新数据的修改不会影响原数据而NumPy.ndarry 的切片返回的是原数据需要的朋友可以参考下
详解Python list 与 NumPy.ndarry 切片之间的区别
实例代码：
# list 切片返回的是不原数据，对新数据的修改不会影响原数据 In [45]: list1 = [1, 2, 3, 4, 5] In [46]: list2 = list1[:3] In [47]: list2 Out[47]: [1, 2, 3] In [49]: list2[1] = 1999 # 原数据没变 In [50]: list1 Out[50]: [1, 2, 3, 4, 5] In [51]: list2 Out[51]: [1, 1999, 3] # 而 NumPy.ndarry 的切片返回的是原数据 In [52]: arr = np.array([1, 2, 3, 4, 5]) In [53]: arr Out[53]: array([1, 2, 3, 4, 5]) In [54]: arr1 = arr[:3] In [55]: arr1 Out[55]: array([1, 2, 3]) In [56]: arr1[0] = 989 In [57]: arr1 Out[57]: array([989, 2, 3]) # 修改了原数据 In [58]: arr Out[58]: array([989, 2, 3, 4, 5]) # 若希望得到原数据的副本， 可以用 copy() In [59]: arr2 = arr[:3].copy() In [60]: arr2 Out[60]: array([989, 2, 3]) In [61]: arr2[1] = 99282 In [62]: arr2 Out[62]: array([ 989, 99282, 3]) # 原数据没被修改 In [63]: arr Out[63]: array([989, 2, 3, 4, 5])
以上就是Python list 与 NumPy.ndarry 切片之间的区别的详解，如有疑问请留言或者到本站社区留言，感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！
相关文章
这篇文章主要介绍了Python笔试面试题的一些相关代码,需要的朋友可以参考下2019-09-09
这篇文章主要介绍了numpy中np.nanmax和np.max的区别及坑，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-02-02
在本篇文章里小编给大家整理的是一篇关于python关键字传递参数实例分析内容，有需要的朋友们可以学习参考下。2021-06-06
这篇文章主要介绍了Python实现的摇骰子猜大小功能小游戏,涉及Python随机数运算与数值判断相关操作技巧,需要的朋友可以参考下2017-12-12
决策树（Decision Tree）是一种常见的机器学习算法,被广泛应用于分类和回归任务中,并且再其之上的随机森林和提升树等算法一直是表格领域的最佳模型,所以本文将介绍理解其数学概念,并在Python中动手实现,这可以作为了解这类算法的基础知识2023-08-08
今天小编就为大家分享一篇Tensorflow的常用矩阵生成方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01
这篇文章主要为大家介绍了Python面向对象编程关键深度探索类与对象示例解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-05-05
在Word中,表格是一个强大的工具，本文主要为大家介绍了如何使用Python在Word中创建表格并填入数据、图片,以及设置表格样式等,感兴趣的可以了解下2024-03-03
这篇文章主要介绍了Python获取网页上图片下载地址的方法,涉及Python操作正则表达式匹配字符串的技巧,需要的朋友可以参考下2015-03-03
TensorFlow中tf.batch_matmul()的用法
这篇文章主要介绍了TensorFlow中tf.batch_matmul()的用法，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-06-06
最新评论