如何在Python中声明数组？

我在文档中找不到任何对数组的引用。

#1楼

这个怎么样...

>>> a = range(12)
>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
>>> a[7]
6

#2楼

variable = []

现在variable引用空列表^* 。

当然这是一项任务，而非宣言。 在Python中没有办法说“这个变量永远不应该引用除列表之外的任何东西”，因为Python是动态类型的。

^*默认的内置Python类型称为列表 ，而不是数组。 它是一个任意长度的有序容器，可以容纳异质的对象集合（它们的类型无关紧要，可以自由混合）。 这不应该与array模块混淆， array模块提供更接近C array类型的类型; 内容必须是同质的（所有相同的类型），但长度仍然是动态的。

#3楼

这是如何：

my_array = [1, 'rebecca', 'allard', 15]

#4楼

你没有用Python声明任何东西。 你只需要使用它。 我建议你从http://diveintopython.net开始 。

#5楼

我通常会做a = [1,2,3] ，这实际上是一个list但对于arrays看看这个正式的定义

#6楼

你实际上没有声明事情，但这是你在Python中创建数组的方式：

from array import array
intarray = array('i')

有关更多信息，请参阅阵列模块： http ： //docs.python.org/library/array.html

现在可能你不想要一个数组，而是一个列表，但其他人已经回答了这个问题。 :)

#7楼

继Lennart之后，还有numpy实现了均匀的多维数组。

#8楼

Python将它们称为列表 。 您可以使用方括号和逗号编写列表文字：

>>> [6,28,496,8128]
[6, 28, 496, 8128]

#9楼

我有一个字符串数组，需要一个与True相同长度的布尔值的数组。 这就是我做的

strs = ["Hi","Bye"] 
bools = [ True for s in strs ]

#10楼

这是Python中令人惊讶的复杂主题。

实际答案

数组由类list表示（请参阅参考 ，不要将它们与生成器混合）。

查看用法示例：

# empty array
arr = [] 

# init with values (can contain mixed types)
arr = [1, "eels"]

# get item by index (can be negative to access end of array)
arr = [1, 2, 3, 4, 5, 6]
arr[0]  # 1
arr[-1] # 6

# get length
length = len(arr)

# supports append and insert
arr.append(8)
arr.insert(6, 7)

理论答案

在引擎盖下，Python的list是包含对项的引用的真实数组的包装器。 此外，底层数组创建了一些额外的空间。

其后果是：

• 随机访问真的很便宜（ arr[6653]与arr[0]相同）
• append操作是“免费”，而一些额外的空间
• insert操作很昂贵

检查这个令人敬畏的操作复杂性表 。

另外，请看这张图片，我试图显示数组，引用数组和链表之间最重要的区别：

#11楼

要添加到Lennart的答案，可以像这样创建一个数组：

from array import array
float_array = array("f",values)

其中值可以采用元组，列表或np.array的形式，但不是数组：

values = [1,2,3]
values = (1,2,3)
values = np.array([1,2,3],'f')
# 'i' will work here too, but if array is 'i' then values have to be int
wrong_values = array('f',[1,2,3])
# TypeError: 'array.array' object is not callable

输出仍然是相同的：

print(float_array)
print(float_array[1])
print(isinstance(float_array[1],float))

# array('f', [1.0, 2.0, 3.0])
# 2.0
# True

列表的大多数方法也使用数组，常见的是pop（），extend（）和append（）。

从答案和评论来看，似乎阵列数据结构并不那么受欢迎。 我喜欢它，就像人们可能更喜欢列表中的元组一样。

数组结构比list或np.array具有更严格的规则，这可以减少错误并使调试更容易，尤其是在处理数值数据时。

尝试将float插入/附加到int数组将引发TypeError：

values = [1,2,3]
int_array = array("i",values)
int_array.append(float(1))
# or int_array.extend([float(1)])

# TypeError: integer argument expected, got float

保持数组形式的整数值（例如索引列表）可能会阻止“TypeError：list indices必须是整数，而不是float”，因为数组可以迭代，类似于np.array和lists：

int_array = array('i',[1,2,3])
data = [11,22,33,44,55]
sample = []
for i in int_array:
    sample.append(data[i])

令人讨厌的是，将一个int附加到float数组将导致int变为float，而不会引发异常。

np.array也为其条目保留相同的数据类型，但它不会发出错误，而是更改其数据类型以适应新条目（通常为double或str）：

import numpy as np
numpy_int_array = np.array([1,2,3],'i')
for i in numpy_int_array:
    print(type(i))
    # <class 'numpy.int32'>
numpy_int_array_2 = np.append(numpy_int_array,int(1))
# still <class 'numpy.int32'>
numpy_float_array = np.append(numpy_int_array,float(1))
# <class 'numpy.float64'> for all values
numpy_str_array = np.append(numpy_int_array,"1")
# <class 'numpy.str_'> for all values
data = [11,22,33,44,55]
sample = []
for i in numpy_int_array_2:
    sample.append(data[i])
    # no problem here, but TypeError for the other two

在任务期间也是如此。 如果指定了数据类型，则np.array将尽可能将条目转换为该数据类型：

int_numpy_array = np.array([1,2,float(3)],'i')
# 3 becomes an int
int_numpy_array_2 = np.array([1,2,3.9],'i')
# 3.9 gets truncated to 3 (same as int(3.9))
invalid_array = np.array([1,2,"string"],'i')
# ValueError: invalid literal for int() with base 10: 'string'
# Same error as int('string')
str_numpy_array = np.array([1,2,3],'str')
print(str_numpy_array)
print([type(i) for i in str_numpy_array])
# ['1' '2' '3']
# <class 'numpy.str_'>

或者，实质上：

data = [1.2,3.4,5.6]
list_1 = np.array(data,'i').tolist()
list_2 = [int(i) for i in data]
print(list_1 == list_2)
# True

而数组将简单地给出：

invalid_array = array([1,2,3.9],'i')
# TypeError: integer argument expected, got float

因此，将np.array用于特定于类型的命令并不是一个好主意。 数组结构在这里很有用。 list保留值的数据类型。

对于我发现相当讨厌的东西：数据类型被指定为array（）中的第一个参数，但（通常）是np.array（）中的第二个参数。 ：|

与C的关系在这里提到： Python List vs. Array - 何时使用？

玩得开心！

注意：数组的类型和相当严格的性质更倾向于C而不是Python，并且通过设计，Python在其函数中没有许多特定于类型的约束。 它的不受欢迎也会在协同工作中产生积极的反馈，而替换它主要涉及额外的[int（x）for x in file]。 因此，忽略阵列的存在是完全可行和合理的。 它不应该以任何方式阻碍我们大多数人。 ：d

#12楼

一些贡献表明python中的数组由列表表示。 这是不正确的。 Python在标准库模块array “ array.array() ”中有一个独立的array()实现，因此混淆两者是不正确的。 列表是python中的列表，因此请小心使用的命名法。

list_01 = [4, 6.2, 7-2j, 'flo', 'cro']

list_01
Out[85]: [4, 6.2, (7-2j), 'flo', 'cro']

list和array.array()之间有一个非常重要的区别。 虽然这两个对象都是有序序列，但array.array（）是有序的齐次序列，而列表是非同构序列。

#13楼

我认为你（意味着）想要一个已填充前30个单元格的列表。 所以

   f = []

   for i in range(30):
       f.append(0)

可以使用它的一个例子是Fibonacci序列。 请参阅Project Euler中的问题2

#14楼

JohnMachin的评论应该是真正的答案。 在我看来，所有其他答案都只是解决方法！ 所以：

array=[0]*element_count

#15楼

您可以创建列表并将它们转换为数组，也可以使用numpy模块创建数组。 以下几个例子来说明相同的内容。 Numpy还可以更轻松地使用多维数组。

import numpy as np
a = np.array([1, 2, 3, 4])

#For custom inputs
a = np.array([int(x) for x in input().split()])

您还可以使用重塑函数将此数组重新整形为2X2矩阵，该函数将输入作为矩阵的维度。

mat = a.reshape(2, 2)

#16楼

为了计算，使用像这样的numpy数组：

import numpy as np

a = np.ones((3,2))        # a 2D array with 3 rows, 2 columns, filled with ones
b = np.array([1,2,3])     # a 1D array initialised using a list [1,2,3]
c = np.linspace(2,3,100)  # an array with 100 points beteen (and including) 2 and 3

print(a*1.5)  # all elements of a times 1.5
print(a.T+b)  # b added to the transpose of a

这些numpy数组可以从磁盘中保存和加载（甚至是压缩的），并且具有大量元素的复杂计算速度很快。 很多用于科学环境。 请看这里了解更多......