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
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
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,在本质:
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
16 回答
现在
variable
指的是一个空列表* .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 module混淆,后者提供了更接近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 .你实际上没有声明事情,但这是你在Python中创建数组的方式:
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 . :)
这是Python中令人惊讶的复杂主题 .
实用答案
数组由类
list
表示(请参阅reference,不要将它们与generators混合) .查看用法示例:
理论答案
在引擎盖下,Python的
list
是一个真实数组的包装器,它包含对项的引用 . 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'for free',而一些额外的空间insert
操作很昂贵检查这个awesome table of operations complexity .
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:
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
可以使用它的一个例子是Fibonacci序列 . 见Project Euler中的问题2
这是如何:
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 .
要进行计算,请使用numpy数组,如下所示:
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 . 有关更多信息,请参阅here
我通常会做
a = [1,2,3]
这实际上是list
但是对于arrays
看看这个正式definition一些贡献表明python中的数组由列表表示 . 也许理论上/幕后是正确的,但两者之间的主要区别在于列表接受混合数据类型和混合数字类型,另一方面,数组需要将所有元素限制为确定类型的类型代码:
使用array()是不可能的 .
要添加到Lennart的答案,可以像这样创建一个数组:
其中值可以采用元组,列表或np.array的形式,但不是数组:
输出仍然是相同的:
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:
因此,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:
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):
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:
或者,在本质:
而数组将简单地给出:
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 - when to use?
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
继Lennart之后,还有numpy实现了同构多维数组 .
这个怎么样...
Python称它们为lists . 您可以使用方括号和逗号编写列表文字:
JohnMachin's comment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:
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 .
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 .
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