转载https://blog.csdn.net/caoyuan666/article/details/105239876
概念
list数组
list是python基本数据类型，它的元素类型可以不同
元组或列表（tuple,list）没有矩阵概念，只有嵌套。所以你不能用[i,j]像matlab等里面一样去二维索引一个list，只能用[i][j]这样相当于索引了两次，先索引外层[i]个列表，再索引内层第j个元素。（类似地，[i,j,k…]改为[i][j][k][…]就ok）
x = list() x.append(1) x.extend([2,3,4])#多个elements
numpy数组
array是numpy的一种数据类型，它所包含的元素必须相同
Numpy是）专门针对数组的操作和运算进行了设计，所以数组的存储效率和输入输出性能远优于Python中的嵌套列表，数组越大，Numpy的优势就越明显。通常Numpy数组中的所有元素的类型都是相同的，而Python列表中的元素类型是任意的，所以在通用性能方面Numpy数组不及Python列表，但在科学计算中，可以省掉很多循环语句，代码使用方面比Python列表简单的多。
np.arange(a,b,c)表示产生从a-b不包括b，间隔为c的一个array，数据类型默认是int32。
linspace(a,b,c)表示的是把a-b平均分成c分，它包括b
浅拷贝和深拷贝
numpy数组
array的索引最终产生的是一个「 原始数据的浅拷贝」，他和原始数据共用一块内存。当我们修改了b的第一个元素的时候，a的第一个元素也被修改了。因为他们都是指向的同一个内存。
这是因为当我们执行b=a[:2]等语句的时候，拷贝的是指向这个元素的指针，当我们想要修改的时候，也是修改了指针指向的元素值。
list列表：
list对象在执行的时候拷贝了数据与指针，就不会有这种状况啦。
但是，对于列表，如果直接使用b = a,同样是浅拷贝，可以使用b = a[ : ]
实践部分
针对同样的元组类型，其切片slice和数字不太一样，slice切下来还是原本类型，数字索引一般丢弃一层“外壳”。
numpy里ndarray不是一种真正的“新”数据类型，而只是格式重排，将list分维度存储，便于利用。其本质类型和次级类型和lsit相似（但是比list省略了索引存储量，所以一般会节约存储空间）。
ps.
print("%s%s"%(x,x))#没有逗号，需要用%来对应
在循环或其他地方不希望print换行
print("ddd",end=' ')
