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]: list2Out[47]: [1, 2, 3]In [49]: list2[1] = 1999# 原数据没变In [50]: list1Out[50]: [1, 2,<mark>本文来源gaodaimacom搞#^代%!码&网(</mark> 3, 4, 5]In [51]: list2Out[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]: arrOut[53]: array([1, 2, 3, 4, 5])In [54]: arr1 = arr[:3]In [55]: arr1Out[55]: array([1, 2, 3])In [56]: arr1[0] = 989In [57]: arr1Out[57]: array([989, 2, 3])# 修改了原数据In [58]: arrOut[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]: arr2Out[60]: array([989, 2, 3])In [61]: arr2[1] = 99282In [62]: arr2Out[62]: array([ 989, 99282, 3])# 原数据没被修改In [63]: arrOut[63]: array([989, 2, 3, 4, 5])
以上就是Python中关于list与NumPy.ndarry切片两者的对比详解的详细内容，更多请关注搞代码gaodaima其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：Python中关于list与NumPy.ndarry切片两者的对比详解
转载请注明原文链接：Python中关于list与NumPy.ndarry切片两者的对比详解
