Python中数组的实现 Python

linege站长
2026-04-14 22:54
更新: 2026-06-02 13:15
8 浏览
0 点赞
在 Python 中，数组通常有两种理解： · 内置的列表（list）：最常用的“动态数组”，可以存放任意类型元素。 · array 模块：提供类型化的紧凑数组（如 array('i') 存放有符号整数）。 · NumPy 库：科学计算中的多维数组（numpy.ndarray），功能强大。 下面以最常用的 列表（list） 为主介绍，最后补充 NumPy 的二维数组示例。 --- 一、一维数组（列表） 1. 定义
PYTHON 
# 空数组
arr1 = []

# 整数数组
arr2 = [1, 2, 3, 4, 5]

# 不同类型混合（一般不推荐）
arr3 = [1, "hello", 3.14]
2. 遍历
PYTHON 
# 方法1：直接遍历元素
for x in arr2:
    print(x)

# 方法2：遍历索引
for i in range(len(arr2)):
    print(arr2[i])

# 方法3：同时获取索引和值
for i, val in enumerate(arr2):
    print(f"索引{i}: {val}")
--- 二、二维数组（二维列表） 二维数组可以看作“数组的数组”，即列表中的每个元素又是一个列表。 1. 定义
PYTHON 
# 3行4列的二维数组（所有元素初始为0）
rows, cols = 3, 4
matrix = [[0] * cols for _ in range(rows)]
# 结果：[[0,0,0,0], [0,0,0,0], [0,0,0,0]]

# 手动定义
matrix2 = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]
⚠️ 注意：不要用 [[0]*cols]*rows 创建二维数组，因为这样每一行都是同一个列表的引用，修改一行会影响所有行。 2. 遍历
PYTHON 
# 双重循环（按行，再按列）
for row in matrix2:
    for elem in row:
        print(elem, end=" ")
    print()  # 换行

# 使用索引遍历
for i in range(len(matrix2)):
    for j in range(len(matrix2[i])):
        print(f"matrix2[{i}][{j}] = {matrix2[i][j]}")
3. 示例：矩阵加法
PYTHON 
A = [
    [1, 2, 3],
    [4, 5, 6]
]
B = [
    [7, 8, 9],
    [10, 11, 12]
]

# 矩阵加法（对应元素相加）
result = [
    [A[i][j] + B[i][j] for j in range(len(A[0]))]
    for i in range(len(A))
]

print(result)  # [[8, 10, 12], [14, 16, 18]]
--- 三、使用 array 模块（类型化数组） 适合存储大量相同数值类型且需要节省内存的场景。
PYTHON 
from array import array

# 定义一维数组（类型码 'i' 表示有符号整数）
arr = array('i', [1, 2, 3, 4, 5])

# 遍历
for x in arr:
    print(x)

# 二维数组：array 本身不支持多维，可以用列表嵌套 array
matrix = [array('i', [1,2,3]), array('i', [4,5,6])]
--- 四、使用 NumPy（推荐用于科学计算） NumPy 提供真正的多维数组对象 ndarray，支持向量化操作，性能极高。 安装（如未安装）
BASH 
pip install numpy
示例
PYTHON 
import numpy as np

# 定义二维数组
matrix = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
])

# 遍历（通常不直接循环，而是用向量化运算，但这里演示遍历）
for row in matrix:
    for elem in row:
        print(elem, end=" ")
    print()

# 更 NumPy 风格的遍历（使用 nditer）
for elem in np.nditer(matrix):
    print(elem, end=" ")
print()

# 矩阵加法（直接使用 +）
A = np.array([[1,2],[3,4]])
B = np.array([[5,6],[7,8]])
C = A + B
print(C)  # [[ 6  8], [10 12]]
--- 总结 方式 优点 适用场景 列表（list） 灵活、内置、简单 一般编程、存储混合类型 array 模块 内存紧凑、类型固定 大量同类型数值，不需要高级运算 NumPy 数组 多维、快速向量化运算 科学计算、数据分析、机器学习 对于初学者，先用 列表嵌套列表 实现二维数组即可，熟练后可引入 NumPy 提升效率。
← 返回列表

评论 (0)

登录后可以发表评论

立即登录
💬

还没有评论，快来发表第一条评论吧！