List和Numpy Array有什么區(qū)別

Numpy 是Python科學(xué)計算的一個核心模塊。它提供了非常高效的數(shù)組對象，以及用于處理這些數(shù)組對象的工具。一個Numpy數(shù)組由許多值組成，所有值的類型是相同的。

Python的核心庫提供了 List 列表。列表是最常見的Python數(shù)據(jù)類型之一，它可以調(diào)整大小并且包含不同類型的元素，非常方便。

那么List和Numpy Array到底有什么區(qū)別？為什么我們需要在大數(shù)據(jù)處理的時候使用Numpy Array？答案是性能。

Numpy數(shù)據(jù)結(jié)構(gòu)在以下方面表現(xiàn)更好：

1.內(nèi)存大小—Numpy數(shù)據(jù)結(jié)構(gòu)占用的內(nèi)存更小。

2.性能—Numpy底層是用C語言實(shí)現(xiàn)的，比列表更快。

3.運(yùn)算方法—內(nèi)置優(yōu)化了代數(shù)運(yùn)算等方法。

下面分別講解在大數(shù)據(jù)處理時，Numpy數(shù)組相對于List的優(yōu)勢。

1.內(nèi)存占用更小

適當(dāng)?shù)厥褂肗umpy數(shù)組替代List，你能讓你的內(nèi)存占用降低20倍。

對于Python原生的List列表，由于每次新增對象，都需要8個字節(jié)來引用新對象，新的對象本身占28個字節(jié)（以整數(shù)為例）。所以列表 list 的大小可以用以下公式計算：

64 + 8 * len(lst) + len(lst) * 28 字節(jié)

而使用Numpy，就能減少非常多的空間占用。比如長度為n的Numpy整形Array，它需要：

96 + len(a) * 8 字節(jié)

可見，數(shù)組越大，你節(jié)省的內(nèi)存空間越多。假設(shè)你的數(shù)組有10億個元素，那么這個內(nèi)存占用大小的差距會是GB級別的。

2.速度更快、內(nèi)置計算方法

運(yùn)行下面這個腳本，同樣是生成某個維度的兩個數(shù)組并相加，你就能看到原生List和Numpy Array的性能差距。

import time
import numpy as np

size_of_vec = 1000

def pure_python_version():
    t1 = time.time()
    X = range(size_of_vec)
    Y = range(size_of_vec)
    Z = [X[i] + Y[i] for i in range(len(X)) ]
    return time.time() - t1

def numpy_version():
    t1 = time.time()
    X = np.arange(size_of_vec)
    Y = np.arange(size_of_vec)
    Z = X + Y
    return time.time() - t1


t1 = pure_python_version()
t2 = numpy_version()
print(t1, t2)
print("Numpy is in this example " + str(t1/t2) + " faster!")

結(jié)果如下：

0.00048732757568359375 0.0002491474151611328
Numpy is in this example 1.955980861244019 faster!

可以看到，Numpy比原生數(shù)組快1.95倍。

如果你細(xì)心的話，還能發(fā)現(xiàn)，Numpy array可以直接執(zhí)行加法操作。而原生的數(shù)組是做不到這點(diǎn)的，這就是Numpy 運(yùn)算方法的優(yōu)勢。

我們再做幾次重復(fù)試驗(yàn)，以證明這個性能優(yōu)勢是持久性的。

import numpy as np
from timeit import Timer

size_of_vec = 1000
X_list = range(size_of_vec)
Y_list = range(size_of_vec)
X = np.arange(size_of_vec)
Y = np.arange(size_of_vec)

def pure_python_version():
    Z = [X_list[i] + Y_list[i] for i in range(len(X_list)) ]

def numpy_version():
    Z = X + Y

timer_obj1 = Timer("pure_python_version()",
                   "from __main__ import pure_python_version")
timer_obj2 = Timer("numpy_version()",
                   "from __main__ import numpy_version")

print(timer_obj1.timeit(10))
print(timer_obj2.timeit(10)) # Runs Faster!

print(timer_obj1.repeat(repeat=3, number=10))
print(timer_obj2.repeat(repeat=3, number=10)) # repeat to prove it!

結(jié)果如下：

0.0029753120616078377
0.00014940369874238968
[0.002683573868125677, 0.002754641231149435, 0.002803879790008068]
[6.536301225423813e-05, 2.9387418180704117e-05, 2.9171351343393326e-05]

可以看到，第二個輸出的時間總是小得多，這就證明了這個性能優(yōu)勢是具有持久性的。

所以，如果你在做一些大數(shù)據(jù)研究，比如金融數(shù)據(jù)、股票數(shù)據(jù)的研究，使用Numpy能夠節(jié)省你不少內(nèi)存空間，并擁有更強(qiáng)大的性能。