Python日常(2):二维列表(数组、矩阵)的创建方法及常见问题

文章目录

  • 前言
  • 不同创建方法
    • 二重循环的方法
    • 二重循环的高级用法
    • 内嵌乘积的方法
    • 单重循环+内嵌乘积
  • 二、常见问题
    • 内嵌乘积法的优缺点常见问题
  • 小编的废话

 


前言

        在这里主要讲述python二维列表的创建方法,并不包含第三方库的创建方式,若需第三方库的创建请另外查看其他文件。


一、不同创建方法

        (1)二重循环的方法

>>> list=[]
>>> for i in range(6):
...     list.append([])
...     for j in range(6):
...         list[i].append(0)
...
>>> list
[[0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0]]

        (2)二重循环的高级用法

>>> list=[[0 for i in range(6)]for j in range(6)]
>>> list
[[0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0]]

        (3)内嵌乘积的方法

>>> list=[[0]*6]*6
>>> list
[[0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0]]

        (4)单重循环+内嵌乘积

>>> list=[]
>>> for i in range(6):
...     list.append([0]*6)
...
>>> list
[[0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0]]

二、常见问题

        内嵌乘积法常见问题

>>> list=[[0]*6]*6
>>> for i in range(6):
...     list[i][i]=1
...
>>> list
[[1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1]]

        为什么会出现这种情况呢?在这里我们先分别计算一下我们创建的列表所占据的内存大小。

>>> list=[[1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1],
...       [1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1],
...       [1, 1, 1, 1, 1, 1], [1, 1, 1, 1, 1, 1]]
>>> for i in range(6):
...     print(id(list[i]))
...
1542208065728
1542208002624
1542208003392
1542208003968
1542208003328
1542208002176
>>> list=[[0]*6]*6
>>> for i in range(6):
...     print(id(list[i]))
...
2173749779648
2173749779648
2173749779648
2173749779648
2173749779648
2173749779648

        看出区别了么?也就是说如果你采用内嵌的方式其实python解释器并没有为它分配空间,你可以将它可以看成一种指针形式,只是告诉python解释器你想要创建一个多大的数组,并没有内容,那该如何解决上述所提的问题呢?

        其实只要你采用另外三种方法的任意一种,都可以解决问题,这里就不列举了,读者可以自己去尝试一下。那这种方法有什么用处呢?怎么感觉那么鸡肋呢?在这里小编就提供一种它的优势之处。

        恰恰因为这种创建方法没有分配内存,对于数据量比较大的,且不知道具体每行有多少个数据的形式,采用这种方法是有它的绝对优势的。

>>> list=[[0]*6]*6
>>> for i in range(6):
...     list[i]=[1,1,1]
...
>>> list
[[1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1]]

        看到这里不知道你是否已经明白了呢?也就是说对于不确定的数据量,我们完全可以设置一个足够大的数来创建列表,后续如果对其进行单行处理,便会只占用相应数据量大小的内存,这样对于数据量比较大的项目,可以节省不少空间同时也更易于处理。

>>> list=[[0]*6]*6
>>> list[0]=[1,1,1]
>>> list[1]=[1,2]
>>> list[3]=[2,3]
>>> list
[[1, 1, 1], [1, 2], [0, 0, 0, 0, 0, 0], [2, 3], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0]]

        根据这个例子又可以看出什么呢?我们发现未被我们赋值的行,被全部初始化为0了,这是你该说了刚才你不是说了嘛不占内存空间的,现在不是又占了么,这还有什么用!望君莫急,听我徐徐道来。

>>> for i in range(6):
...     print(id(list[i]))
...
2173750053696
2173750053248
2173750054848
2173750117696
2173750054848
2173750054848

        之后我们对其进行秋id地址,发现未被赋值的行全部都在同一个id地址处,也就是说它并未占据空间,由于你设置的列表大小的限制,python内部还是会根据你设置大小输出,但是还是不会分配内存空间的。

       当然一般情况下都是明确矩阵行数的,所以这并不是它的缺点哦!


小编的废话

        听完小编的一番讲解你是否学废了呢?如果对你有用的话就请点个赞吧,你的支持就是小编最大的动力!!!

  • 3
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
### 回答1: 可以使用numpy中的索引方式来取值,例如arr[][1]表示取二维数组arr中第一行第二列的元素值。还可以使用切片方式来取出部分元素,例如arr[:2,1:3]表示取二维数组arr中第一行到第二行,第二列到第三列的元素值。此外,还可以使用numpy中的函数来对二维数组进行操作,例如np.sum(arr)表示对二维数组arr中所有元素求和。 ### 回答2: numpy是Python中一个非常常用的数学计算库,可以用于进行各种数值运算、数值分析以及数据处理等工作。在numpy中,二维数组可以被看作是一个矩阵,我们可以使用多种方法来取值。 首先,我们可以使用索引来取值。对于一个二维数组arr,可以使用arr[i][j]的方式来获得矩阵中第i行第j列的元素值。其中i和j分别表示对应的行和列的索引值,索引值从0开始计数。 另外,numpy提供了更简便的语法来进行矩阵的取值操作。我们可以使用arr[i, j]的方式来获得矩阵中第i行第j列的元素值,其结果与arr[i][j]是等价的。 除了使用单个索引值来取值外,我们还可以使用切片的方式来获取矩阵的某个范围内的元素。对于一个二维数组arr,可以使用arr[start_row:end_row, start_col:end_col]的语法来获取从start_row行到end_row行(不包括end_row)以及从start_col列到end_col列(不包括end_col)之间的元素。 此外,numpy还提供了更多灵活的方法来根据条件取值,比如使用布尔型索引、使用where函数等等。 综上所述,numpy提供了多种方法来进行二维数组矩阵的取值操作,包括使用索引、使用切片、使用布尔型索引等等。这些方法可以帮助我们灵活、高效地获取矩阵中的元素值,方便进行后续的计算和分析工作。 ### 回答3: numpy库是Python中常用的数值计算库,其中的ndarray对象是实现数组矩阵操作的基础。在numpy中,我们可以使用一些方法来取得二维数组矩阵的值。 首先,可以通过索引的方式来取得特定位置的元素。索引从0开始,可以用[row, column]的形式来指定某个位置的元素。例如,arr[0, 0]表示取得二维数组矩阵arr中第一行第一列的元素值。 除了单个位置的索引,我们还可以使用切片(slice)的方式来获取二维数组的子矩阵。切片可以使用[start:end:step]的形式来指定取值的范围。其中,start表示起始位置,end表示结束位置,step表示步进值,默认为1。例如,arr[0:2, 1:3]表示取得二维数组矩阵arr中第一行至第二行、第二列至第三列的元素形成的子矩阵。 此外,numpy还提供了一些函数来获取数组的最大值、最小值、平均值、和值等统计结果。例如,可以使用arr.max()来取得二维数组矩阵arr中的最大值,使用arr.min()来取得最小值,使用arr.mean()来取得平均值。 总之,numpy库提供了丰富的方法来获取二维数组矩阵的值,包括索引、切片和统计函数等。这些方法使得我们可以方便地对数组进行操作和计算,提高了数值计算的效率和便捷性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Chandni.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值