如何在Python中声明一个数组？

Question

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.

Answer 1

variable = []

现在variable引用一个空列表^*.

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以外的任何东西",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,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.

Answer 2

这是Python中令人惊讶的复杂主题.

实际答案

数组由类表示list(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 list是包含对项目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]相同arr[0])
• 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:

Answer 3

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.:)

Answer 4

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

Answer 5

这是如何:

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

Answer 6

一些贡献表明python中的数组由列表表示.这是不正确的.Python array()在标准库模块中有一个独立的实现array " array.array()"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']

列表和列表之间有一个非常重要的区别array.array().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.

Answer 7

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.

Answer 8

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......

Answer 9

我通常只会这样做a = [1,2,3],list但是arrays看看这个正式的定义

Answer 10

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,并且根据设计,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

Answer 11

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

Answer 12

这个怎么样...

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

Answer 13

继Lennart之后,还有numpy实现了均匀的多维数组.

Answer 14

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]