如何在Python中声明一个数组？
我如何在Python中声明一个数组？
我无法在文档中find对数组的任何引用。
variable = []
现在variable指的是一个空的列表* 。
当然这是一个任务，而不是一个声明。 在Python中没有办法说“这个variables不应该引用列表以外的任何东西”，因为Python是dynamictypes的。
*默认的内置Pythontypes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types不重要，可以自由混合）。 这不应该与array模块混淆，它提供了一种更接近于C arraytypes的types; 内容必须是同质的（全部是相同的types），但是长度仍然是dynamic的。
你实际上并没有声明，但是这是你如何在Python中创build一个数组：
from array import array intarray = array('i')
有关更多信息，请参阅数组模块： http : //docs.python.org/library/array.html
现在可能你不想要一个数组，但一个列表，但其他人已经回答了。 🙂
我想你（意思是）想要一个已经填满了前30个单元的列表。 所以
f = [] for i in range(30): f.append(0)
Fibonacci序列中可以使用的一个例子。 请参阅欧拉项目中的问题2
这是如何：
my_array = [1, 'rebecca', 'allard', 15]
这是Python中令人惊讶的复杂主题。
实际的答案
数组由类list表示（请参阅参考资料 ，不要将它们与发生器混合使用）。
查看使用示例：
# 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是包含对项目引用的真实数组的包装。 此外，底层数组创build一些额外的空间。
结果是：
- 随机存取确实很便宜（
arr[6653]与arr[0]相同） -
append操作是“免费”，而有一些额外的空间 -
insert操作很昂贵
检查这个真棒表的操作复杂性 。
另外，请看这张图片，我试图展示数组，引用数组和链表之间最重要的区别： 
你不要在Python中声明任何东西。 你只是用它。 我build议你从http://diveintopython.net开始; 。
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数组可以保存并从磁盘加载（甚至是压缩的），并且具有大量元素的复杂计算就像C一样快。 很多用于科学环境。 在这里看到更多…
我通常会做a = [1,2,3]这实际上是一个list但arrays看看这个正式的定义
一些贡献表明Python中的数组是用列表来表示的。 也许在理论上/底下是正确的，但是两者之间的主要区别在于列表接受混合数据types和混合数字types的事实，另一方面数组需要将所有元素限制为确定types的types代码：
list_01 = [4, 6.2, 7-2j, 'flo', 'cro'] list_01 Out[85]: [4, 6.2, (7-2j), 'flo', 'cro']
这是不可能的使用array（）。
为了增加Lennart的答案，可以像这样创build一个数组：
from array import array float_array = array("f",values)
值可以采取元组，列表或np.array的forms，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
并且输出将仍然是相同的：
print(float_array) print(float_array[1]) print(isinstance(float_array[1],float)) # array('f', [1.0, 2.0, 3.0]) # 2.0 # True
列表工作的大多数方法与数组一样，常见的是pop（），extend（）和append（）。
从答案和评论看，arrays数据结构看起来并不那么stream行。 我喜欢它，就像一个人可能更喜欢列表上的元组一样。
数组结构比列表或np.array有更严格的规则，这可以减less错误并使debugging更容易，特别是在处理数字数据时。
尝试插入/附加一个float到一个int数组将会抛出一个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
保持数组中的整数（例如索引列表）可能因此阻止“TypeError：列表索引必须是整数，而不是浮点数”，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])
令人烦恼的是，将一个int附加到一个float数组将导致int成为一个float，而不会引发exception。
np.array也为它的入口保留相同的数据types，但是不是给出错误，而是改变它的数据types以适应新的入口（通常是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
在分配过程中也是如此。 如果指定了数据types，则np.array会尽可能将条目转换为该数据types：
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_'>
或者实质上是：
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
而数组将只是给：
invalid_array = array([1,2,3.9],'i') # TypeError: integer argument expected, got float
因此，将np.array用于types特定的命令并不是一个好主意。 数组结构在这里很有用。 列表保留值的数据types。
而对于我觉得很讨厌的东西：数组types被指定为array（）中的第一个参数，但是（通常）是np.array（）中的第二个参数。 ：|
与C的关系在这里被引用： Python列表与数组 – 何时使用？
玩得开心！
注意：数组的types化和相当严格的性质更倾向于C而不是Python，并且通过devise，Python的函数中没有许多types特定的约束条件。 它的不受欢迎还在协作工作中产生了积极的反馈，取而代之的是大部分涉及到一个额外的[int（x）for x in file]。 因此忽略数组的存在是完全可行和合理的。 它不应以任何方式妨碍我们大多数人。 ：d
在Lennart之后，还有一些实现均匀多维arrays的numpy 。
这个怎么样…
>>> a = range(12) >>> a [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11] >>> a[7] 6
Python将它们称为列表 。 你可以写一个带有方括号和逗号的列表文字：
>>> [6,28,496,8128] [6, 28, 496, 8128]
我有一个string数组，需要一个相同长度的布尔值的数组，启动为True。 这就是我所做的
strs = ["Hi","Bye"] bools = [ True for s in strs ]
