为什么要在标准库数组上使用NumPy数组？

如果我只需要一维数组，那么在Python标准库数组上使用NumPy数组的性能和内存容量优势是多少？或者有没有？为什么要在标准库数组上使用NumPy数组？

比方说，我有至少数千个元素的数组，我希望：快速直接访问索引时间，我希望尽可能少的内存占用。是否有性能优势，使用这样的：

from numpy import array 
a = array([1,2,3,4,5])

在此：

from array import array 
a = array('i', [1,2,3,4,5])

标准的Python list s就可以快速进入按指数倍，但任何array实施将有一个更小的内存脚印。什么是一个体面的妥协解决方案？

有了5个元素阵列，可能不会。 –

@ReblochonMasque对不起，我认为很明显，我只是展示了一个例子。我在长阵列中穿插。编辑的问题。 – theJollySin

如果你需要循环你的数据结构，你可能想看看cython。 – Akavall

numpy对于它的花哨索引，广播，屏蔽，灵活的内存数据视图，许多数值方法等都非常有用。如果你只是想要一个容器来保存数据，那么使用array.array或者为什么不用简单的list？我建议看一下numpy tutorial。

2014-05-09 16:28:21 Midnighter

那么，循环一个Python'list'并不是特别快。而我目前的应用是科学计算，我将在这里进行大量的循环和直接访问索引。我已经更新了我的问题，以便更清楚。 – theJollySin

循环'array.array'和'numpy.ndarray'实例的速度也很慢。使用numpy数组的全部意义在于，您可以一次对整个数组执行数值运算，因为循环被压低到C级，所以语法更清晰并且提供了主要的性能优势。 – DSM

给[本教程]（http://wiki.scipy.org/Tentative_NumPy_Tutorial）一个阅读。基本上，不用循环数组来执行操作，'numpy'允许你这样做：'a * = 2'将每个元素乘以2。 'a * a'将元素明智地乘以两个向量。 – Midnighter

这完全取决于你的计划做与阵列。

>>> from array import array 
>>> a = array('i', [1,2,3,4,5]) 
>>> a + a 
array('i', [1, 2, 3, 4, 5, 1, 2, 3, 4, 5])

注意，标准库对待数组更像这可能不是desireable序列多（或者也许是...只有你可以决定）

2014-05-09 16:29:37 mgilson

我最感兴趣的是在相当大的数组上循环的性能速度。（用于科学计算目的） – theJollySin

@theJollySin Numpy主要是关于调用C模块，以便Python中没有完成循环。作为一个通用语句：如果你正在Python中循环大型数组，并且即使对运行时间丝毫不在意，也是错误的。如果你需要元素明智的控制，你应该看看低级语言。 – Daniel

回答