numpy

本文介绍了numpy库在数据处理中的应用，强调了ndarray对象的多维特性以及与Python列表的区别。同时，阐述了tensor的概念，即任意维度的向量，从标量到张量的层次。还讨论了Python列表作为数据存储的特性和numpy数组的数据一致性要求。最后，通过代码实战展示了numpy操作list和tensor的示例，以及计算tensor平均值的问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

numpy ：主要用于 数据处理

NumPy 中处理数字的常见方式是通过 ndarray 对象。它们与 Python 列表相似，但是可以有任意数量的维度。而且，ndarray 支持快速的数学运算，这正是我们想要的。
由于它可以存储任意数量的维度，你可以使用 ndarray来表示：标量、向量、矩阵或张量。

tensor

tensor：任意维度的向量

标量是一维向量
数组是二维向量
矩阵是三维向量
张量（tensor）是任意维度的向量

在这里插入图片描述

列表

list： python的内置数据类型，主要用于 数据存储

Python中的list是python的内置数据类型，list中的数据类不必相同。
在list中的数据类型保存的是数据所存放的地址，简单的说就是指针，并非数据。

Numpy中的array所存放的数据类型必须全部相同。

代码实战

numpy - list

# -*- encoding: utf-8 -*-
"""
@File    :   numlisten.py    
@Contact :   [email protected]
@License :   (C)Copyright 2019-2020, CodingPark

@Modify Time      @Author    @Version    @Desciption
------------      -------    --------    -----------
2020/11/19 下午1:44   AG         1.0         None
"""
import numpy as np
list1 = [1, 2, 3, 'a']
print('list1 => ', list1)

print('\n----------\n')

numpy1 = np.array([1, 2