NumPy'；s ndarrays vs Python'；s列表

我是Python的初学者，最近学习了NumPy及其著名的Ndarray。起初，在阅读了许多人对他们的赞扬（一些参考资料）后，我想：

“好吧，如果NumPy的数组好得多，并且假设我真的不在乎在同一个列表/数组上有异构数据类型，为什么我要使用Python的列表？”

然而，在深入研究之后，我发现使用Ndarray也有消极的一面（一些引用和）。我已经了解了使用每种数据结构的基本优缺点，但这一切对我来说仍然很困惑。所以，我的问题是：作为Python的初学者，我应该什么时候使用NumPy的数组，什么时候使用Python的列表？在特定情况下，我如何评估哪个选项是最好的？

有些人可能倾向于把这篇文章看成是重复的，实际上已经有很多“NDAREL VS列表”的主题了。然而，我已经搜索了一段时间，我没有找到一个满意的答案为我的问题。有很多人在谈论Ndarray和List的好处，但仍然不清楚，特别是对于像我这样的初学者，如何在它们之间进行选择。我是否应该在日常编码中使用NumPy数组，并为特殊情况保存列表？或者我应该做相反的事情？谢谢大家!

---

注意：由于它可能与答案相关，我打算将Python主要用于机器学习。

Python列表更为庞大。它们基本上是指针数组，比numpy的

ndarrays

占用的内存多得多。因此，对于涉及矩阵和复杂计算的数学运算，

ndarray

是更好的选择。因此，大多数数学运算都针对numpy进行了优化，并且对于

ndarrays

有更多数学上有用的函数

不过，Python列表要灵活得多。它们可以保存异构的任意数据，并且附加/删除非常有效。如果您想添加和删除许多不同的对象，Python列表是一个不错的选择

---

就机器学习而言，

ndarrays

绝对是您的最佳选择。Tensorflow和keras是两个最流行的机器学习库，它们更适合numpy的内存高效数组，因为它们处理大量同质数据。

列表是基本的python结构，可用于许多角色

numpy

主要是一种数值工具-矩阵、高维数组。通过

pandas

扩展到时间序列，通过

sklearn

和

tensorflow/keras

扩展到机器学习，