一. 創(chuàng)建二維數(shù)組遇到的問題
List （列表）是 Python 中最基本的數(shù)據(jù)結(jié)構(gòu)。在用法上，它有點(diǎn)類似數(shù)組，因為每個列表都有一個下標(biāo)，下標(biāo)從 0 開始。因此，我們可以使用 list[1] 來獲取下標(biāo)對應(yīng)的值。如果我們深入下列表的底層原理，會發(fā)現(xiàn)列表是基于 PyListObject 實現(xiàn)的。PyListObject 是一個變長對象，所以列表的長度是隨著元素多少動態(tài)改變的。同時它還支持插入和刪除等操作，所以它還是一個可變對象。
1. 列表能創(chuàng)建多維數(shù)組？
列表是支持操作符，如果一個列表與 ‘ * ’ 號結(jié)合使用，能達(dá)到重復(fù)列表的效果，比如：
list_one = [0]
list_two = [0] * 3
print(list_one)
print(list_two)
>>> 運(yùn)行結(jié)果：
[0]
[0, 0, 0]
那么利用這個重復(fù)特性，我們是否可以來創(chuàng)建一個二維數(shù)組呢？于是乎，我進(jìn)行一頓猛操作，結(jié)果就被我折騰出來了。
list_one = [0]
list_two = [[0] * 3] * 3
print(list_one)
print(list_two)
>>> 運(yùn)行結(jié)果：
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
看起來很完美的操作，但是如果進(jìn)行一些列表更新操作，問題就顯露出來了。比如我對 list_two 的更換中間位置的值，即對 list_two[1][1] 進(jìn)行更換值。
list_two = [[0] * 3] * 3
print(list_two)
list_two[1][1] = 2
print(list_two)
不難發(fā)現(xiàn)，運(yùn)行結(jié)果有點(diǎn)不對勁，列表中有三個位置的值也改變了。
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
[[0, 2, 0], [0, 2, 0], [0, 2, 0]]
為什么會出現(xiàn)在這種情況呢？原因是淺拷貝，我們以這種方式創(chuàng)建的列表，list_two 里面的三個列表的內(nèi)存是指向同一塊，不管我們修改哪個列表，其他兩個列表也會跟著改變。
二. 解決：使用列表創(chuàng)建一個二維數(shù)組，可以使用生成器來輔助實現(xiàn)
list_three = [[0 for i in range(3)] for j in range(3)]
print(list_three)
list_three[1][1] = 3
print(list_three)
對 list_three 進(jìn)行更新操作，這次就能正常更新了。
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
[[0, 0, 0], [0, 3, 0], [0, 0, 0]]
除了以上的方式，還有一種更加簡潔方便的方式，就是使用 NumPy 模塊。
三. 解決：相比 List，NumPy 數(shù)組的優(yōu)勢
NumPy 全稱為 Numerical Python，是 Python 的一個以矩陣為主的用于科學(xué)計算的基礎(chǔ)軟件包。NumPy 和 Pandas、Matpotlib 經(jīng)常結(jié)合一起使用，所以被人們合稱為數(shù)據(jù)分析三劍客。Numpy 中有功能強(qiáng)大的 ndarray 對象，能創(chuàng)建 N 維的數(shù)組，另外還提供很多通用函數(shù)，支持對數(shù)組的元素進(jìn)行操作、支持對數(shù)組進(jìn)行算法運(yùn)算以及提供常用的統(tǒng)計函數(shù)。
相比 List 對象，NumPy 數(shù)組有以下優(yōu)勢：
- 這是因為列表 list 的元素在系統(tǒng)內(nèi)存中是分散存儲的，而 NumPy 數(shù)組存儲在一個均勻連續(xù)的內(nèi)存塊中。這樣數(shù)組計算遍歷所有元素，不像列表 list 還需要對內(nèi)存地址進(jìn)行查找，從而節(jié)省了計算資源。
- Numpy數(shù)組能夠運(yùn)用向量化運(yùn)算來處理整個數(shù)組，速度較快；而 Python 的列表則通常需要借助循環(huán)語句遍歷列表，運(yùn)行效率相對來說要差。
- NumPy 中的矩陣計算可以采用多線程的方式，充分利用多核 CPU 計算資源，大大提升了計算效率。
- Numpy 使用了優(yōu)化過的C語言的 API，運(yùn)算速度較快。
1. 創(chuàng)建數(shù)組
前面說到 NumPy 的主要對面是 ndarray 對象，它其實是一系列同類型數(shù)據(jù)的集合。因為 ndarray 支持創(chuàng)建多維數(shù)組，所以就有兩個行和列的概念。
創(chuàng)建 ndarray 的第一種方式是利用 array 方式：
import numpy as np
# 創(chuàng)建一維數(shù)組
nd_one = np.array([1, 2, 3])
# 創(chuàng)建二維數(shù)組
nd_two = np.array([[1, 2, 3], [4, 5, 6]])
print(nd_one)
print(nd_two)
print('nd_two.shape =', nd_one.shape)
print('nd_two.shape =', nd_two.shape)
>>> 運(yùn)行結(jié)果：
[1 2 3]
[[1 2 3]
[4 5 6]]
nd_two.shape = (3,)
nd_two.shape = (2, 3)
其中 shape 是數(shù)組的一個屬性，表示獲取數(shù)組大小(有多少行，有多少列)，如果是一維數(shù)組，則只顯示（行，）。代碼中打印出 nd_two 的形狀，輸出為（2，3），表示數(shù)組中有 2 行 3 列。
2. 第二種辦法則使用 Numpy 的內(nèi)置函數(shù)
2.1 1 使用arange 或 linspace 創(chuàng)建連續(xù)數(shù)組。
```python
import numpy as np
# arange() 類似Python內(nèi)置函數(shù)的 range()
# arange(初始值, 終值, 步長) 不包含終值
x0 = np.arange(1, 11, 2)
print(x0)
# 創(chuàng)建一個 5x3 的數(shù)組
x1 = np.arange(15).reshape((5, 3))
print(x1)
# linspace()線性等分向量
# linspace(初始值, 終值, 元素個數(shù)) 包含終值
x2 = np.linspace(1, 11, 6)
print(x2)
>>> 運(yùn)行結(jié)果：
[1 3 5 7 9]
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]
[12 13 14]]
[ 1. 3. 5. 7. 9. 11.]
雖然 np.arange 和 np.linspace 起到的作用是一樣的，都是創(chuàng)建等差數(shù)組，但是創(chuàng)建的方式是不同的。
2. 使用 zeros()，ones()，full() 創(chuàng)建數(shù)組
import numpy as np
# 創(chuàng)建一個 3x4 的數(shù)組且所有值全為 0
x3 = np.zeros((3, 4), dtype=int)
print(x3)
# 創(chuàng)建一個 3x4 的數(shù)組且所有元素值全為 1
x4 = np.ones((3, 4), dtype=int)
print(x4)
# 創(chuàng)建一個 3x4 的數(shù)組，然后將所有元素的值填充為 2
x5 = np.full((3, 4), 2, dtype=int)
print(x5)
>>> 運(yùn)行結(jié)果：
[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
[[2 2 2 2]
[2 2 2 2]
[2 2 2 2]]
3. 使用 eye() 創(chuàng)建單位矩陣
eye() 創(chuàng)建的數(shù)組特點(diǎn)是行數(shù)和列數(shù)都是一樣。因為它創(chuàng)建出來的是單位矩陣，單位矩陣是正形矩陣，對角線的值均為 1，其他位置的值為 0。
import numpy as np
# 創(chuàng)建 3x3 的單位矩陣
x6 = np.eye(3, dtype=int)
print(x6)
>>> 運(yùn)行結(jié)果：
[[1 0 0]
[0 1 0]
[0 0 1]]
4. 使用 diag() 創(chuàng)建對角矩陣
diag() 是創(chuàng)建一個 NxN 的對角矩陣，對角矩陣是對角線上的主對角線之外的元素皆為 0 的矩陣。
import numpy as np
x7 = np.diag([1, 2, 3])
print(x7)
>>> 運(yùn)行結(jié)果：
[[1 0 0]
[0 2 0]
[0 0 3]]
5. 使用 random 創(chuàng)建隨機(jī)數(shù)組
numpy 中的 random 中有很多內(nèi)置函數(shù)，能簡單介紹其中的幾種。
import numpy as np
# 創(chuàng)建 2x2 數(shù)組且所有值是隨機(jī)填充
x9 = np.random.random((2, 2))
print(x9)
# 創(chuàng)建一個值在 [0, 10) 區(qū)間的 3x3 的隨機(jī)整數(shù)
x10 = np.random.randint(0, 10, (3, 3))
print(x10)
>>> 運(yùn)行結(jié)果：
[[ 0.77233522 0.41516417]
[ 0.22350126 0.31611254]]
[[0 6 5]
[7 6 4]
[5 5 9]]
四. 總結(jié)
Python 創(chuàng)建一個二維列表
1. 空二維列表
lis=[[] for i in range(5)]
for i in range(5):
lis.append([])
文章來源：http://www.zghlxwxcb.cn/news/detail-494261.html
2. 普通二維列表
lis=[[i for i in range(5)] for i in range(5)]
print(lis)
tis=[]
for i in range(5):
tis.append([])
for j in range(5):
tis[i].append(j)
print(tis)
文章來源地址http://www.zghlxwxcb.cn/news/detail-494261.html
五. 參考鏈接
- Python創(chuàng)建二維數(shù)組的正確姿勢
- Python 創(chuàng)建一個二維列表
到了這里，關(guān)于Python 創(chuàng)建二維數(shù)組的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
