Una lista en Python es una estructura de datos lineal que puede contener elementos heterogéneos que no requieren ser declarados y que son flexibles para reducirse y crecer. Por otro lado, una matriz es una estructura de datos que puede contener elementos homogéneos. Las matrices se implementan en Python usando el NumPy biblioteca. Las matrices requieren menos memoria que liza . La similitud entre una matriz y una lista es que los elementos tanto de la matriz como de la lista se pueden identificar por su valor de índice.
Ejemplo
Input: [1, 7, 0, 6, 2, 5, 6] Output: [1 7 0 6 2 5 6] Explanation: Given Python List is converted into NumPy Array>
Convertir la lista de Python en matrices Numpy
En Pitón , las listas se pueden convertir en matrices utilizando dos métodos de la biblioteca NumPy:
- Usando numpy.array()
- Usando numpy.asarray()
Lista de Python para matrices NumPy usando numpy.array()
En Python, la forma más sencilla de convertir una lista en una matriz NumPy es mediante la función numpy.array(). Toma un argumento y como resultado devuelve una matriz NumPy. Crea una nueva copia en la memoria y devuelve una nueva matriz.
Python3
látex derivado parcial
# importing library> import> numpy> # initializing list> lst>=> [>1>,>7>,>0>,>6>,>2>,>5>,>6>]> # converting list to array> arr>=> numpy.array(lst)> # displaying list> print> (>'List: '>, lst)> # displaying array> print> (>'Array: '>, arr)> |
>
>
Producción:
List: [1, 7, 0, 6, 2, 5, 6] Array: [1 7 0 6 2 5 6]>
Lista de Python para matrices NumPy usando numpy.asarray()
En Numpy, numpy.asarray() es una función que convierte datos de entrada en una matriz NumPy. Toma un argumento y devuelve una matriz NumPy. No crea una nueva copia en la memoria.
Python3
# importing library> import> numpy> # initializing list> lst>=> [>1>,>7>,>0>,>6>,>2>,>5>,>6>]> # converting list to array> arr>=> numpy.asarray(lst)> # displaying list> print> (>'List:'>, lst)> # displaying array> print> (>'Array: '>, arr)> |
cómo convertir de int a cadena en java
>
>
Producción:
List: [1, 7, 0, 6, 2, 5, 6] Array: [1 7 0 6 2 5 6]>
Diferencia entre numpy.array() y numpy.asarray()
La diferencia vital entre los dos métodos anteriores es que numpy.array() hará un duplicado del objeto original y numpy.asarray() reflejará los cambios en el objeto original. Cuando se realiza una copia de la matriz usando numpy.asarray(), los cambios realizados en una matriz también se reflejarán en la otra matriz, pero no muestran los cambios en la lista mediante los cuales se realiza la matriz. Sin embargo, esto no sucede con numpy.array().
Python3
# importing library> import> numpy> # initializing list> lst>=> [>1>,>7>,>0>,>6>,>2>,>5>,>6>]> # converting list to array> arr>=> numpy.asarray(lst)> # displaying list> print> (>'List:'>, lst)> # displaying array> print> (>'arr: '>, arr)> # made another array out of arr using asarray function> arr1>=> numpy.asarray(arr)> #displaying arr1 before the changes made> print>(>'arr1: '> , arr1)> #change made in arr1> arr1[>3>]>=> 23> #displaying arr1 , arr , list after the change has been made> print>(>'lst: '> , lst)> print>(>'arr: '> , arr)> print>(>'arr1: '> , arr1)> |
>
fecha de utilidad de java
>
Producción :
List: [1, 7, 0, 6, 2, 5, 6] arr: [1 7 0 6 2 5 6] arr1: [1 7 0 6 2 5 6] lst: [1, 7, 0, 6, 2, 5, 6] arr: [ 1 7 0 23 2 5 6] arr1: [ 1 7 0 23 2 5 6]>
En arr y arr1 el cambio es visible en el índice 3 pero no en el 1º.