第2节，numpy数组与列表有什么不同

1. 什么是数组

在对比numpy数组和python基础数据类型列表之前，我们先要搞清楚，什么是数组，这是一个非常重要的编程概念。

仅从字面上来理解它，数组就是一组数，虽然这个解释有点简陋，但并没有错，只是还缺少3个限制条件：

1. 数组里的元素类型必须相同
2. 数组里的元素在内存上是连续的
3. 数组里的元素是有序的

特别声明，我本人最早使用c++编程语言，因此对数组的解释完全是参照该语言进行的。其他编程语言里或许也有数组的概念，但未必遵守上面全部3个限制条件。

python中的列表经常被用来充当数组，它也的确具备一些数组的特点，如果你从其他语言转到python的，那么在学习列表时就可以参照你所熟悉语言的数组进行学习。

2. numpy数组与列表的不同

对numpy数组和列表的比较，就围绕着数组的3个限制条件展开

先来看第一条，数组里的元素类型必须相同，这一点列表是不满足的，python的列表可以放入不同类型的数据，numpy数组则符合这一要求。

再来看第二条，数组里的元素在内存上是连续的，列表显然不满足，numpy数组在内存上是连续的么？也不是，官方介绍时只是强调numpy数组在内存上相比于列表更加紧凑。

最后一条，数组内的元素是有序的，这一点，numpy数组和列表都满足，这意味着你可以用索引来访问数据，不仅如此，他们都支持切片操作。

3. numpy数组比列表更快

下面的实验，测试numpy数组求和与列表求和哪个更快

import time
from numpy import arange
from timeit import Timer


n_elements = 100000
n_timeits = 10000

x = arange(n_elements)
y = list(range(n_elements))

t_numpy = Timer("x.sum()", "from __main__ import x")
t_list = Timer("sum(y)", "from __main__ import y")

t1 = time.time()
t_numpy.timeit(n_timeits)
t2 = time.time()
t_list.timeit(n_timeits)
t3 = time.time()

print(f"numpy 执行数组求和{n_timeits}次，耗时{t2-t1}秒")
print(f"list 执行数组求和{n_timeits}次，耗时{t3-t2}秒")

x，y 各自产生一个长度为n_elements 的数组，numpy与列表分别对他们求和n_timeits次，观察对比他们的用时

numpy 执行数组求和10000次，耗时0.42003321647644043秒
list 执行数组求和10000次，耗时15.222512006759644秒

两者相差36倍之多

4. 数组求和的小实例

对比完numpy数组和列表，用一个数组求和的小例子来结束本篇文章内容，也由此引出下一篇文章，如何创建numpy数组

import numpy as np

lst = [1, 2, 1, 2]
array = np.array([1, 2, 1, 2])

print(sum(lst))         # 6
print(array.sum())      # 6