Python定义数组(列表)的5种常用方法

一、概念澄清：Python 中的“列表”与“数组”

初学 Python 时容易产生一个疑问：“Python 究竟有没有数组？”有观点认为“Python 只有列表，完全没有数组”，也有观点认为“列表就是数组”。这两种说法都有其观察视角，但需要结合具体上下文来理解。

在绝大多数业务逻辑、算法练习与通用脚本中，Python 的内置 list 是连续指针缓冲区的动态实现，不仅支持按索引常数时间 \(O(1)\) 随机访问，还自带动态扩容机制。因此，开发者通常直接将 list 当作一维或多维数组使用。然而，list 是异构容器，列表中存放的并非直接的紧凑原始数据，而是指向具体对象的指针。如果程序需要处理数以千万计的纯数字，或者需要与底层的 C 库进行内存级交互，Python 标准库还专门提供了 array 模块，第三方生态中亦有成熟的 numpy.ndarray。保留这一概念区分，有助于我们根据性能与类型需求做出清晰的选择。

二、方法一：方括号字面量定义（最直接的基础方式）

使用方括号 [] 是 Python 中最直观、也是语法解析开销最低的定义方式。Python 编译器会将其直接编译为高效的专用字节码（BUILD_LIST），无需额外的函数名查找和入栈开销。

1. 具体操作与代码示例

# 1. 定义一个初始为空的数组(列表)
empty_arr = []

# 2. 定义包含初始整数的一维数组
numbers = [10, 20, 30, 40, 50]

# 3. 定义直接包含子列表的二维数组(矩阵)
matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

print("空数组长度:", len(empty_arr))
print("一维数组首元素与末元素:", numbers[0], numbers[-1])
print("二维数组第2行第3列:", matrix[1][2])

适用场景：已知初始元素内容、定义空容器以便后续通过 append() 追加，或直接书写固定尺寸的静态多维数据。

三、方法二：使用 list() 内置构造函数

list() 是 Python 的内置类型构造器。与方括号相比，它的核心价值在于将任意可迭代对象（如 range、元组、字符串、集合、生成器）强制转换为列表实体。

1. 具体操作与代码示例

# 1. 构造一个空列表
arr_empty = list()

# 2. 将 range 迭代器转换为连续整数数组
arr_range = list(range(1, 8))

# 3. 将不可变的元组转换为可修改的数组
tuple_data = (100, 200, 300)
arr_from_tuple = list(tuple_data)

# 4. 将字符串拆解为字符数组
chars = list("Python")

print("连续整数数组:", arr_range)
print("由元组转换得到:", arr_from_tuple)
print("字符数组:", chars)

四、方法三：乘法运算符生成固定长度数组及多维陷阱

当需要预先分配一个长度已知、初始值相同的数组作为缓冲区时，使用乘法运算符 * 能够快速初始化。然而，这种写法在一维与多维情况下有着截然不同的内存行为，极易引发难以察觉的连锁修改错误。

1. 一维列表的安全乘法

在定义一维定长列表时，乘法复制的是元素本身。对于不可变类型（如整数 0、浮点数或 None），后续修改某个槽位只会让该索引指向新的对象，互不干扰：

# 创建长度为 6、初始值全为 0 的一维数组
arr_fixed = [0] * 6
arr_fixed[0] = 99

print("一维修改结果:", arr_fixed)

2. 二维列表的“浅拷贝”陷阱与反例剖析

许多开发者在尝试创建一个 3 行 3 列全 0 矩阵时，会下意识地写出 [[0] * 3] * 3。这种写法看似简洁，但外层的 * 3 复制的不是独立的内层列表，而是同一个内层列表的引用指针：

# 【错误写法反例】
matrix_wrong = [[0] * 3] * 3

# 修改第 0 行第 0 列的值
matrix_wrong[0][0] = 7

# 查看输出，会发现每一行的第 0 列全部变成了 7！
print("错误定义的矩阵结果:")
for row in matrix_wrong:
    print(row)

五、方法四：列表推导式（灵活规则与安全多维矩阵）

列表推导式（List Comprehension）是 Python 最具特色的语法之一。它不仅语义凝练，而且由于循环与追加过程在 CPython 虚拟机底层高度优化，执行速度通常优于手动编写的 for 循环加 append()。

1. 规则生成与条件过滤示例

# 1. 计算 0 到 5 的平方数数组
squares = [x ** 2 for x in range(6)]

# 2. 结合条件过滤：仅提取 1 到 20 之间的偶数
evens = [x for x in range(1, 21) if x % 2 == 0]

print("平方数数组:", squares)
print("偶数筛选数组:", evens)

2. 安全构建多维矩阵的标准范式

要构建一个 \(3 imes 4\) 的独立二维数组，正确的标准写法是在外层使用推导式：

rows, cols = 3, 4

# 外层循环保证每次都重新评估 [0] * cols，创建独立的内层列表
matrix_safe = [[0] * cols for _ in range(rows)]

# 验证单点赋值
matrix_safe[0][0] = 88
print("正确构建的安全矩阵:")
for row in matrix_safe:
    print(row)

此时 matrix_safe[0] 与 matrix_safe[1] 彼此完全隔离，赋值操作符合预期。

六、方法五：使用 array 模块定义严格类型的同构数组

如果业务场景要求处理大量基本数据（例如从传感器读取的数百万个整数），且对内存开销有严苛要求，Python 标准库自带的 array.array 是最契合原生“数组”定义的组件。

1. 语法规则与类型代码

array.array(typecode, [initializer]) 在初始化时必须指定一个字符作为类型代码（Type Code），代表底层的 C 语言基本数据类型。常见的类型代码包括：

• 'b' / 'B'：带符号/无符号 1 字节整数（signed/unsigned char）
• 'i' / 'I'：带符号/无符号 4 字节整数（signed/unsigned int）
• 'f'：4 字节单精度浮点数（float）
• 'd'：8 字节双精度浮点数（double）

2. 具体操作与代码示例

import array

# 1. 定义一个有符号 32 位整型数组（类型码 'i'）
int_arr = array.array('i', [10, 20, 30, 40])

# 2. 支持追加元素（必须为整数）
int_arr.append(50)

# 3. 定义双精度浮点数组（类型码 'd'）
float_arr = array.array('d', [1.5, 2.7, 3.14159])

print("整数数组:", int_arr)
print("数组元素类型字节数:", int_arr.itemsize, "字节")
print("浮点数组:", float_arr)

# 类型检查保护演示：若存入错误类型将直接报错
try:
    int_arr.append(3.14)  # 尝试向整型数组插入浮点数
except TypeError as e:
    print("触发类型约束错误:", e)

七、5 种定义方式的核心特性对比与选型决策

为了让不同场景下的选型更加清晰明确，下表总结了 5 种定义方式的语法特征、适用边界及性能表现：

八、总结与避坑速查

在 Python 日常编程中，定义数组或列表并非只有单一解法。掌握这 5 种方式的核心差异，可以让我们在面对不同需求时游刃有余：

• 定义日常通用一维数据时，优先使用简洁高效的方括号 []。
• 处理已有序列或生成器转换时，采用标准的 list() 构造器。
• 分配一维连续占位缓冲区时，使用 [None] * n 或 [0] * n 最为简练。
• 初始化多维矩阵或带有逻辑运算的数据时，务必使用列表推导式 [[0]*cols for _ in range(rows)] 规避浅拷贝风险。
• 在面对百万级别以上的纯数值计算且不引入第三方重量级库时，选择 array.array 能够带来数倍的内存节约与更高的传输性能。