Python怎么获取列表(数组)的长度

方予

发布时间：2026-10-24 | 10人浏览过

原创

在 Python 中获取列表（初学者常习惯称之为数组）的长度，最直接且标准的方法是使用内置函数 len()。你只需将列表作为参数传递给 len(你的列表)，它就会立即返回该列表中所包含的元素个数。本文将由浅入深讲解 len() 的具体用法、底层运行机制、嵌套与多维列表的处理技巧，以及日常编写代码中最容易混淆的常见误区。

一、核心用法：使用内置函数 len()

Python 提供了全局内置的 len() 函数（英文 length 的缩写），专门用于返回序列或集合类对象的长度。无论是字符串、元组、字典还是列表，都可以通过统一的语法获取其容量大小。

下面是一个最基础的使用示例。我们创建一个包含若干字符串的列表，并打印出该列表的长度：

# 示例 1：获取一维列表的长度
fruits = ["苹果", "香蕉", "橙子", "草莓"]
length = len(fruits)

print("列表中的元素个数为:", length)

示例输出：列表中的元素个数为: 4

从执行结果可以看到，len() 函数返回了一个整数 4，表示列表中正好有 4 个元素。获取长度的整个流程非常直观，其核心操作包含定义列表、传递参数、接收返回结果三个阶段。

图 1：使用 len() 函数获取列表长度的核心执行流程

二、深入底层：为什么 len() 的执行速度极其迅速？

很多初学者会产生一个疑问：当列表中存有上千万个元素时，len() 会不会从头到尾挨个数一遍，从而耗费大量时间？

答案是：完全不会。在 Python（特别是官方的 CPython 实现）中，列表对象的底层结构是一个被称为 PyListObject 的 C 语言结构体。在这个结构体中，除了保存元素的指针数组外，还专门维护了一个名为 ob_size 的整数字段。

每当你向列表中 append() 新元素或通过 pop() 删除元素时，Python 解释器在内存中就已经自动同步更新了 ob_size 的数值。因此，当你调用 len(my_list) 时，解释器所做的工作仅仅是从内存中直接读取这个预存的数字，而不需要做任何循环遍历。

时间复杂度为 O(1)：无论列表有 0 个、10 个还是 10,000,000 个元素，获取长度耗费的时间几乎完全一致，耗时均在几十纳秒级别。
空间开销几乎为零：只是读取已有属性，不申请额外堆栈空间。

图 2：Python 列表内部结构直读机制与普通遍历计数对比

三、常见实战场景与技巧

1. 空列表的长度与判空最佳实践

当列表中不包含任何元素时，len() 会返回 0：

empty_list = []
print("空列表的长度:", len(empty_list))

示例输出：空列表的长度: 0

Python 编程规范建议：

虽然使用 if len(my_list) == 0: 可以判断列表是否为空，但根据 PEP 8 官方编码规范，推荐直接利用列表在布尔上下文中的“真值判断”（空列表会自动被视作 False）：
if not my_list: （推荐，更优雅高效）
if len(my_list) == 0: （虽然正确，但稍显啰嗦）

2. 防止下标越界：长度与最大索引的关系

Python 中的列表索引是从 0 开始计数的。这意味着：

如果一个列表的长度为 N（即 len(my_list) == N）；
它的有效正向下标范围是 0 到 N - 1；
如果直接访问 my_list[len(my_list)]，一定会抛出 IndexError: list index out of range 异常。

colors = ["红", "绿", "蓝"]
n = len(colors) # n 为 3

# 最后一个元素的合法索引是 n - 1，或者使用 Python 特有的负索引 -1
last_item = colors[n - 1]
print("最后一个元素:", last_item)
print("使用负索引同样可得:", colors[-1])

3. 二维列表与多维矩阵的长度获取

在处理矩阵、表格或图像数据时，我们常常会用到嵌套列表（即列表里面的元素仍然是列表）。这时对整个嵌套列表调用 len()，返回的只是最外层包含的行数（或子列表个数），而不会自动把所有内层元素相加。

# 示例：一个 3 行 4 列的二维列表
matrix = [
    [10, 20, 30, 40],
    [50, 60, 70, 80],
    [90, 100, 110, 120]
]

# 获取外层行数
row_count = len(matrix)

# 获取某一行的列数（以第0行为例）
col_count = len(matrix[0])

# 计算所有内层元素的总个数
total_elements = sum(len(row) for row in matrix)

print("行数 (外层长度):", row_count)
print("列数 (第0行长度):", col_count)
print("矩阵所有元素总数:", total_elements)

示例输出：
行数 (外层长度): 3
列数 (第0行长度): 4
矩阵所有元素总数: 12

图 3：嵌套列表的行数、列数及所有元素总数计算原理

四、初学者容易混淆的四个典型误区

误区 1：使用其他语言的属性语法（如 .length 或 .size）

很多有 JavaScript、Java 或 C++ 基础的开发者初学 Python 时，常常习惯性地输入 my_list.length、my_list.length() 或 my_list.size()。在 Python 的内置 list 类型中，这些属性和方法都是不存在的，强行调用会直接触发 AttributeError：

items = [1, 2, 3]

# 错误示范（将引发 AttributeError: 'list' object has no attribute 'length'）：
# print(items.length) 
# print(items.size())

# 正确写法：
print(len(items)) # 输出 3

误区 2：在遍历列表时过度依赖 range(len(list))

在 C 或 Java 中，常规遍历数组往往需要获取长度并递增下标。但在 Python 中，列表是原生可迭代对象，直接对列表遍历不仅更符合 Pythonic 风格，而且运行速度更快：

names = ["张三", "李四", "王五"]

# 不推荐（虽然能跑，但不够优雅）：
for i in range(len(names)):
    print(names[i])

# 推荐写法 1：直接遍历元素本身
for name in names:
    print(name)

# 推荐写法 2：若同时需要下标和元素，使用 enumerate()
for i, name in enumerate(names):
    print(f"索引 {i}: {name}")

误区 3：在循环迭代中修改列表导致逻辑错误

如果在遍历列表的同时增删元素，列表的 len() 会动态变化，这极容易引发遍历跳过项或下标越界的逻辑 bug。若确实需要边遍历边根据条件过滤元素，推荐使用列表推导式或先遍历原列表的切片浅拷贝 my_list[:]。

五、横向对比：列表与真正“数组”(array/NumPy) 的长度获取

日常讨论中，许多人习惯把 Python 的 list 统称为“数组”，但实际上 Python 标准库中还提供了 array.array，而在科学计算和数据分析领域，最常用的则是第三方库 NumPy 的 ndarray。不同结构在长度和维度的处理上略有不同：

数据结构类型	所属模块	主要获取方式	特点与适用场景
内置列表 (`list`)	Python 内置	`len(my_list)`	异构序列，支持任意类型对象，最通用
标准库数组 (`array.array`)	标准库 `array`	`len(arr)`	同构连续内存，仅支持存储基本数值类型
多维矩阵 (`numpy.ndarray`)	NumPy 第三方库	`arr.shape` (各维度大小) `arr.size` (总元素数量) `len(arr)` (第一维长度)	高性能科学计算、向量化操作与深度学习数据处理

图 4：内置列表与专用数值数组获取尺寸特性的总结速查

六、全文总结

掌握 Python 列表长度的获取方法十分简单，牢记以下三条核心结论即可：

唯一标准方式：始终使用 len(my_list) 获取长度，不要尝试调用 .length 或 .size()。
性能极度优异：由于底层直接维护 ob_size 字段，len() 执行时间复杂度为 O(1)，无需担心长列表的性能损耗。
多维结构分清层级：二维列表中 len(matrix) 代表外层行数，若需统计总元素数可使用 sum(len(row) for row in matrix)；对于大型科学计算矩阵，推荐优先使用 NumPy 的 shape 和 size 属性。