NumPy 数组和 Python 列表有什么区别？什么时候必须用 NumPy？

核心区别（3 点）：

| 维度 | Python 列表 | NumPy 数组 |

|---|---|---|

| 内存 | 存对象引用，元素可任意类型，开销大 | 同类型连续内存，紧凑高效 |

| 运算 | 需 for 循环逐元素 | 向量化，整个数组一起算（底层 C 实现） |

| 功能 | 无矩阵/广播/线性代数 | 多维数组、广播、linalg 全套 |

性能对比：

import numpy as np
# 列表：10 万元素平方，要循环
lst = list(range(100_000))
s = [x * x for x in lst]          # 约 10ms

# NumPy：一次向量化运算
arr = np.arange(100_000)
s = arr * arr                      # 约 0.5ms，快 20 倍以上

什么时候必须用 NumPy： 数值计算、矩阵/张量运算、AI 与科学计算（PyTorch 的底层数据也长这样）；存图片、跑机器学习、做统计都要它。

什么时候用列表： 元素类型混杂（如 [1, "a", 2.5]）、需要频繁增删元素。

一句话：一切"对一组数字做运算"的场景都用 NumPy；"存杂七杂八的东西"用列表。