আপনি যদি 1 ডি অ্যারে তৈরি করে থাকেন তবে আপনি এটিকে তালিকা হিসাবে প্রয়োগ করতে পারেন, না হলে স্ট্যান্ডার্ড লাইব্রেরিতে 'অ্যারে' মডিউলটি ব্যবহার করতে পারেন। আমি সর্বদা 1 ডি অ্যারের জন্য তালিকা ব্যবহার করেছি।
আমি এর পরিবর্তে অ্যারে মডিউলটি ব্যবহার করতে চাইলে এমন কারণ বা পরিস্থিতি কী?
এটি কি কর্মক্ষমতা এবং মেমরি অপ্টিমাইজেশনের জন্য, বা আমি কোনও স্পষ্ট কিছু মিস করছি?
উত্তর:
মূলত, পাইথন তালিকাগুলি অত্যন্ত নমনীয় এবং পুরোপুরি ভিন্ন ভিন্ন, স্বেচ্ছাসেবী ডেটা রাখতে পারে এবং এগুলি নিয়মিত ধীরে ধীরে সময়কালে খুব দক্ষতার সাথে যুক্ত করা যেতে পারে । আপনার যদি সময়-দক্ষতার সাথে এবং ঝামেলা ছাড়াই আপনার তালিকাটি সঙ্কুচিত করা এবং বাড়ানো দরকার, তবে সেগুলি হ'ল উপায়। তবে তারা সি অ্যারের চেয়ে অনেক বেশি জায়গা ব্যবহার করে ।
array.arrayধরন, অন্য দিকে, শুধু সি অ্যারে একটা পাতলা মোড়কের হয়। এটি কেবল একই জাতীয় সমস্ত ডেটা, একই ধরণের ধারণ করতে পারে এবং তাই এটি কেবল sizeof(one object) * lengthমেমরির বাইট ব্যবহার করে । বেশিরভাগ ক্ষেত্রে, আপনি যখন কোনও এক্সটেনশান বা সিস্টেম কল (যেমন উদাহরণস্বরূপ, ioctlবা fctnl) এর জন্য সি অ্যারে উন্মুক্ত করতে চান তখন আপনার এটি ব্যবহার করা উচিত ।
array.arrayপাইথন ২.x ( ) এর পরিবর্তিত স্ট্রিং উপস্থাপনের যুক্তিসঙ্গত উপায় array('B', bytes)। যাইহোক, পাইথন 2.6+ এবং 3.x হিসাবে একটি মিউটেবল বাইট স্ট্রিং উপলব্ধ bytearray।
তবে, আপনি যদি সংখ্যার ডেটাগুলির একজাতীয় অ্যারেতে গণিত করতে চান , তবে আপনি NumPy ব্যবহার করা অনেক ভাল, যা জটিল মাল্টি-ডাইমেনশনাল অ্যারেতে স্বয়ংক্রিয়ভাবে অপারেশনটিকে ভেক্টরাইজ করতে পারে।
একটি দীর্ঘ গল্প সংক্ষিপ্ত করতে : array.arrayযখন আপনার গাণিতিক ব্যতীত অন্যান্য কারণে ডেটাগুলির একটি সমজাতীয় সি অ্যারের প্রয়োজন হয় তখন তা কার্যকর ।
sizeof(element)× (উপাদানগুলির সংখ্যা) বাইট, এবং ওভারহেডের জন্য একটি ছোট ফিক্সড শিরোনামের প্রয়োজন হবে। যাইহোক, নাদারের কাছে বিচ্ছিন্ন এবং স্পার্স অ্যারেগুলি ব্যবহার করার জন্য কিছু উন্নত বিকল্প রয়েছে এবং আমি মনে করি বড় অ্যারেগুলির জন্য মেমরি বরাদ্দকরণের জন্য কিছু প্লাগযোগ্য কৌশলগুলি ... এর মধ্যে কয়েকটি উন্নত বৈশিষ্ট্য এটি ব্যবহারকারীকে কম স্মৃতি তৈরি করবে , অন্যরা আরও ব্যবহার করে কর্মক্ষমতা উন্নত করবে স্মৃতি.
প্রায় সব ক্ষেত্রেই সাধারণ তালিকাটি সঠিক পছন্দ। অ্যারে মডিউলটি আরও বেশি সি-অ্যারেগুলির উপর একটি পাতলা মোড়কের মতো, যা আপনাকে সি-জাতীয় স্বাক্ষরযুক্ত / স্বাক্ষরযুক্ত স্বল্প বা ডাবল জাতীয় সি-জাতীয় ধরণের অ্যাক্সেস সহ দৃ strongly়ভাবে টাইপযুক্ত পাত্রে ( ডক্সগুলি দেখুন ) দেয় যা অন্তর্নির্মিত অংশ নয় ইন-প্রকার। আমি বলব অ্যারে মডিউলটি কেবলমাত্র যদি আপনার প্রয়োজন হয় তবে অন্যান্য ক্ষেত্রে তালিকাগুলির সাথে আটকে থাকুন।
arrayকরা হয় গণিত করছেন জন্য বোঝানো হয় না । আপনি যদি ndarray10 ^ 8 সংখ্যার অ্যারের যোগফলের জন্য NumPy এর চেষ্টা করেন তবে এটি পুরোপুরি listদূরে চলে যাবে। গণিতের জন্য বিল্ট-ইনটি arrayধীরে ধীরে কেন, এই বিষয়ে @tzot এর সঠিক ধারণা রয়েছে ।
অ্যারে মডিউল হ'ল এটির মধ্যে একটি জিনিস যা আপনার সম্ভবত প্রয়োজনের দরকার নেই যদি আপনি জানেন না যে আপনি এটি কেন ব্যবহার করবেন (এবং লক্ষ্য রাখবেন যে আমি এটি একটি বিনীত পদ্ধতিতে বলার চেষ্টা করছি না!) । বেশিরভাগ সময়, অ্যারে মডিউলটি সি কোডের সাথে ইন্টারফেস করতে ব্যবহৃত হয়। কর্মক্ষমতা সম্পর্কে আপনার প্রশ্নের আরও সরাসরি উত্তর দিতে:
কিছু ব্যবহারের তালিকার চেয়ে অ্যারে আরও দক্ষ। আপনার যদি কোনও অ্যারে বরাদ্দ করতে হয় যা আপনি জানেন যে কোনও পরিবর্তন হবে না, তবে অ্যারেগুলি দ্রুত হতে পারে এবং কম মেমরি ব্যবহার করতে পারে। জিভিআর-এর একটি অপ্টিমাইজেশন এনারকডোট রয়েছে যাতে অ্যারে মডিউলটি বিজয়ী হয়ে আসে (দীর্ঘ পঠিত তবে এটি মূল্যবান)।
অন্যদিকে, তালিকাগুলি অ্যারেগুলির চেয়ে বেশি মেমরি খায় তার কারণের একটি কারণ হ'ল সমস্ত বরাদ্দ উপাদান ব্যবহার করা হলে পাইথন কয়েকটি অতিরিক্ত উপাদান বরাদ্দ করবে। এর অর্থ হল তালিকায় আইটেম যুক্ত করা দ্রুত হয় is সুতরাং আপনি যদি আইটেমগুলি যুক্ত করার পরিকল্পনা করেন তবে একটি তালিকা যাওয়ার উপায়।
টিএল; ডিআর আমি কেবলমাত্র একটি অ্যারে ব্যবহার করতাম যদি আপনার ব্যতিক্রমী অপ্টিমাইজেশন প্রয়োজন হয় বা আপনার সি কোডের সাথে ইন্টারফেস করতে হবে (এবং পাইরেক্স ব্যবহার করতে পারবেন না )।
এটি একটি বাণিজ্য বন্ধ!
প্রত্যেকের উপকার:
আমার বোধগম্যতা হল যে অ্যারেগুলি আরও দক্ষতার সাথে সঞ্চয় করা হয় (অর্থাত্ মেমরির সংলগ্ন ব্লক হিসাবে বনাম পাইথন অবজেক্টের প্রতি নির্দেশক), তবে আমি কোনও কার্যকারিতা সুবিধা সম্পর্কে অবগত নই। অতিরিক্তভাবে, অ্যারেগুলির সাথে আপনাকে অবশ্যই একই ধরণের আদিম সংরক্ষণ করতে হবে, তবে তালিকাগুলি যে কোনও কিছু সংরক্ষণ করতে পারে।
আপনি যদি অ্যারে ব্যবহার করতে যাচ্ছেন তবে সেই নম্পি বা স্কিপি প্যাকেজগুলি বিবেচনা করুন, যা আপনাকে আরও অনেক নমনীয়তার সাথে অ্যারে দেয়।
অ্যারে কেবল নির্দিষ্ট ধরণের জন্য ব্যবহার করা যেতে পারে, তবে তালিকা কোনও বস্তুর জন্য ব্যবহার করা যেতে পারে।
অ্যারে কেবল এক প্রকারের ডেটাও রাখতে পারে, অন্যদিকে তালিকায় বিভিন্ন অবজেক্টের ধরণের প্রবেশ থাকতে পারে।
কিছু সংখ্যার গণনার জন্য অ্যারে আরও দক্ষ।
এই উত্তর কখন তালিকা এবং অ্যারে ব্যবহার করবেন সে সম্পর্কে প্রায় সমস্ত প্রশ্নের সমষ্টি করবে:
এই দুটি ডেটা প্রকারের মধ্যে প্রধান পার্থক্য হ'ল আপনি যেগুলিতে সেগুলি সম্পাদন করতে পারেন operations উদাহরণস্বরূপ, আপনি একটি অ্যারে 3 দ্বারা বিভক্ত করতে পারেন এবং এটি অ্যারের প্রতিটি উপাদানকে 3 দ্বারা ভাগ করে দেবে S একই তালিকা দিয়ে কাজ করা যায় না।
তালিকাটি পাইথনের সিনট্যাক্সের অংশ, সুতরাং এটি ঘোষণার দরকার নেই যেখানে এটির আগে আপনাকে অ্যারে ঘোষণা করতে হবে।
আপনি একটি তালিকায় বিভিন্ন উপাত্তের ধরণের মান সংরক্ষণ করতে পারেন (ভিন্নধর্মী), তবে অ্যারেতে আপনি কেবলমাত্র একই ডেটা-টাইপের (সমজাতীয়) মান সংরক্ষণ করতে পারেন।
অ্যারেগুলি কার্যকারিতা এবং দ্রুত সমৃদ্ধ হওয়ায় এটি গণিতের ক্রিয়াকলাপের জন্য এবং প্রচুর পরিমাণে ডেটা সঞ্চয় করার জন্য - তালিকার তুলনায় ব্যাপকভাবে ব্যবহৃত হয়।
অ্যারে তালিকার তুলনায় কম স্মৃতি নেয়।