详解Python list 与 NumPy.ndarry 切片之间的对比_Python

详解Python list 与 NumPy.ndarry 切片之间的对比

2020-11-28 10:36CSDN Python

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])