Kāda ir atšķirība starp masīviem un sarakstiem Python?

Python valodā saraksti (list) ir maināmi (mutable) un secīgi sakārtoti elementu kolekcijas. Tie var saturēt dažādu datu tipu elementus. Tie tiek plaši izmantoti lielākajā daļā uzdevumu.

Python masīvi parasti atsaucas uz array vai numpy bibliotēku struktūrām.

array.array:

• paredzēti vienāda tipa elementu (skaitļu) glabāšanai.
• ir kompakti atmiņā, salīdzinot ar sarakstiem, jo glabā elementus nepārtraukti.
• atbalsta dažas zema līmeņa operācijas un pārveidojumus (piemēram, uz baitiem).

import array

# Veselu skaitļu masīva izveide
arr = array.array('i', [1, 2, 3, 4, 5])
print(arr) # array('i', [1, 2, 3, 4, 5])

# Mēģinājums pievienot citu tipu elementu izraisīs kļūdu
# arr.append("hello") # TypeError: an integer is required (got type str)

numpy.ndarray:

• Galvenā struktūra zinātniskiem aprēķiniem.
• Tāpat paredzēta vienāda tipa elementu glabāšanai (parasti skaitļi), bet var būt daudzdimensiju.
• Nodrošina augstu veiktspēju ar vektorizētām operācijām.
• Tam ir plašs matemātisko funkciju un metožu klāsts datu apstrādei.

import numpy as np

# NumPy masīva izveide
np_arr = np.array([1.0, 2.0, 3.0, 4.0, 5.0])
print(np_arr) # [1. 2. 3. 4. 5.]

# Vektorizēta operācija
result = np_arr * 2
print(result) # [2. 4. 6. 8. 10.]

Galvenās atšķirības:

Raksturlielums	Saraksts (list)	array.array	numpy.ndarray
Datu tips	Dažādi	Vienots (atbilstoši tipam)	Vienots (ar dtype)
Maināmība	Maināms (Mutable)	Maināms (Mutable)	Maināms (Mutable)
Veiktspēja	Zemāka skaitliskām operācijām	Augstāka nekā saraksti	Augstākā vektorizētām operācijām
Izmantošana	Vispārējai lietošanai	Ekonomiska skaitļu glabāšana	Zinātniski aprēķini, datu analīze
Dimensija	Viena dimensija	Viena dimensija	Daudzdimensiju

Tādējādi galvenā atšķirība ir elementu vienotībā (masīvos) un to specializācijā: array atmiņas taupīšanai, numpy aprēķiniem, bet saraksti ir universāls rīks.