python学习笔记--创建包含子列表的列表

一、list方式构造

tmp = [[0] * 2 for _ in range(3)]
#  结果为
[[0, 0], [0, 0], [0, 0]]

这行代码创建了一个包含3个子列表的列表，每个子列表包含2个元素，都是0。这种方法可以用来创建一个二维数组或矩阵。

列表支持操作符，如果一个列表与 ‘ * ’ 号结合使用，能达到重复列表的效果。比如

list_one = [0]
list_two = [0] * 3
print(list_one)
print(list_two)

运行结果：

[0]
[0, 0, 0]

如果想要给一个初始化的值，可以写成：

L = [[0] * n] * m

但是，由于此方法构造的二维数组是对[]*n引用了m次，更改其中一行的值会导致每行的值都被更改。所以，并不是一个可以完全操控到列粒度的二维数组。应用背景极其狭窄，不推荐使用。
因此可以使用

list_three = [[0 for i in range(3)] for j in range(3)]

二、利用numpy包构建二维数组（矩阵）

介绍

NumPy 全称为 Numerical Python，是 Python 的一个以矩阵为主的用于科学计算的基础软件包。NumPy 和 Pandas、Matpotlib 经常结合一起使用，所以被人们合称为数据分析三剑客。

Numpy 中有功能强大的 ndarray 对象，能创建 N 维的数组，另外还提供很多通用函数，支持对数组的元素进行操作、支持对数组进行算法运算以及提供常用的统计函数。

优势

相比 List 对象，NumPy 数组有以下优势：

1. 这是因为列表 list 的元素在系统内存中是分散存储的，而 NumPy 数组存储在一个均匀连续的内存块中。这样数组计算遍历所有元素，不像列表 list 还需要对内存地址进行查找，从而节省了计算资源。
2. Numpy数组能够运用向量化运算来处理整个数组，速度较快；而 Python 的列表则通常需要借助循环语句遍历列表，运行效率相对来说要差。
3. Numpy 使用了优化过的 C API，运算速度较快。

导入

import numpy as np

举例：

1.创建一个3行4列初始化全为0的二维数组

m = 3
n = 4
mat = np.zeros((m, n))

2.构建一个m行n列的初始化为0-1随机数的二维数组：

m = 3
n = 4
mat = np.random.random((m, n))

3.构建一个m行n列的初始化为1-11步长为2的二维数组：

m = 2
n = 3
mat = np.arange(1, 12, 2).reshape(m, n)

4.创建一维数组

nd_one = np.array([1, 2, 3])

5.创建二维数组

nd_two = np.array([[1, 2, 3], [4, 5, 6]])