Python 数组和列表是 Python 的重要数据结构。列表和数组以及列表都用于在 Python 中存储数据。这些数据结构允许我们进行索引、切片和迭代。但是它们彼此没有什么不同。在本教程中，我们将学习 Python 列表和数组之间的本质区别。
介绍
正如我们所知，Python 有广泛的数据结构，如列表、元组、集合和字典，它们提供了许多特性和功能。列表是 Python 中最有效、最易用的数据结构。
另一方面，Python 没有为数组提供内置支持。我们需要导入数组模块来使用 数组模块 或者从 Python 程序中的 NumPy 包 导入。这是数组和列表的主要区别。在深入探讨这个主题之前，让我们简单介绍一下这两种数据结构。
Python 列表
A 列表是 Python 内置的线性数据结构。它用于以顺序方式存储数据。我们可以对列表执行一些操作，比如索引、迭代和切片。该列表具有以下功能。
- 列表元素用方括号括起来，每个元素用逗号(，)分隔。
- 这是一个可变类型，这意味着我们可以在列表项创建后修改它们。
- 列表是有序的，这意味着项目以特定的顺序存储。我们可以使用索引来访问列表元素。
- 我们可以存储不同数据类型的项目。我们可以在同一个列表中组合字符串、整数和对象。
下面是一个列表示例。
示例-
list = [31, 60, 19, 12]
print(list)
print(type(list))
输出:
[31, 60, 19, 12]
<class 'list'>
示例- 2
# creating a list containing elements
# belonging to different data types
list1 = [1,"Yash",['a','e']]
print(list1)
输出:
[1, 'Yash', ['a', 'e']]
在上面的列表中，第一个元素是整数；第二个是字符串，第三个是字符列表。
Python 中的数组
数组也是存储数据的线性数据结构。它也是有序的、可变的，并包含在方括号中。它可以存储非唯一项目。但是存储不同的数据类型值是有限制的。
要在 Python 中使用数组，我们需要导入一个数组模块或一个 Numpy。
import array as arr
or
import numpy as np
元素被分配在连续的内存位置，这使得我们可以轻松地修改、添加、删除、访问元素。此外，我们需要指定数据类型。让我们理解下面的例子。
示例-
Import array as arr
array_1 = arr.array("i", [31, 60,19, 12])
print(array_1)
print(type(array_1))
输出:
array('i', [31, 60, 19, 12])
<class 'array.array'>
示例- 2:使用 Numpy 数组
import numpy as np
array_sample = np.array(["str", 'sunil', 'sachin', 'megha', 'deepti'])
print (array_sample)
print(type(array_sample))
输出:
['numbers' 'sunil' 'sachin' 'megha' 'deepti']
<class 'numpy.ndarray'>
我们已经指定了字符串类型并存储了字符串值。
数组和列表的区别
现在，我们来简单介绍一下和特点。在这里，我们将讨论数组和列表之间的区别。
| -你好。不，不 | 目录 | 排列 | | 1. | 该列表可以存储不同类型的值。 | 它只能由相同类型的值组成。 | | 2. | 该列表无法处理直接算术运算。 | 它可以直接处理算术运算。 | | 3. | 在使用数组之前，我们需要导入数组。 | 列表是内置的数据结构，所以我们不需要导入它。 | | 4. | 列表与存储数据的数组不兼容。 | 数组比列表兼容得多。 | | 5. | 它会消耗大量内存。 | 它是一个内存大小比较紧凑的列表。 | | 6. | 它适用于存储较长的数据项序列。 | 它适用于存储较短的数据项序列。 | | 7. | 我们可以使用显式循环打印整个列表。 | 我们可以在不使用显式循环的情况下打印整个列表。 | | 8. | 它可以嵌套以包含不同类型的元素。 | 它必须包含所有相同大小的嵌套元素。 |
结论
我们已经讨论了数组和列表的区别。这两种数据类型在 Python 中都是必不可少的，并且都有一些局限性。Python 列表在 python 中很容易使用，数组通常用于数据分析。
