python里面如何写一个二维数组

在Python中，创建一个二维数组可以通过多种方法，例如使用列表、列表推导式或NumPy库。 以下将详细介绍这些方法，并探讨每种方法的优缺点。

一、使用嵌套列表创建二维数组

嵌套列表是一种简单且直观的方法，适用于小规模数据处理。每个元素本身也是一个列表，构成了二维数组的行和列。

示例代码：

# 创建一个2x3的二维数组
array = [
    [1, 2, 3],
    [4, 5, 6]
]

优点：

简单直观：适合初学者理解和使用。
Python内置：无需安装额外的库。

缺点：

性能问题：对于大规模数据处理，性能不如专门的数值计算库。
操作复杂：对于矩阵运算等高级操作，需要额外的代码实现。

二、使用列表推导式创建二维数组

列表推导式提供了一种简洁的方式来创建二维数组，特别是当需要初始化数组时非常方便。

示例代码：

# 创建一个3x4的二维数组，并初始化为0
rows, cols = 3, 4
array = [[0 for _ in range(cols)] for _ in range(rows)]

优点：

简洁代码：减少了代码量，易于阅读和维护。
灵活性高：可以方便地对每个元素进行初始化。

缺点：

性能仍然有限：对于大规模数据处理，性能仍然不如专用库。
复杂度增加：对于复杂的初始化条件，代码可读性可能下降。

三、使用NumPy库创建二维数组

NumPy是Python的一个强大的数值计算库，专门用于处理大规模数组和矩阵运算。它提供了高效的多维数组对象和丰富的库函数。

示例代码：

import numpy as np
创建一个2x3的二维数组，并初始化为0
array = np.zeros((2, 3))
创建一个2x3的二维数组，并初始化为指定值
array = np.full((2, 3), 7)

优点：

高性能：专为大规模数据处理设计，性能远优于嵌套列表和列表推导式。
丰富的功能：提供了大量的矩阵运算和数值计算函数。
内存优化：更高效的内存使用方式。

缺点：

额外依赖：需要安装NumPy库。
学习曲线：对于初学者可能需要一些时间来学习和掌握。

四、二维数组的常见操作

创建二维数组只是第一步，接下来我们需要对其进行各种操作，如访问、修改、遍历和矩阵运算等。

访问和修改元素

示例代码：

# 使用嵌套列表
array = [
    [1, 2, 3],
    [4, 5, 6]
]
访问元素
print(array[0][1])  # 输出 2
修改元素
array[1][2] = 9
print(array)  # 输出 [[1, 2, 3], [4, 5, 9]]
使用NumPy
import numpy as np
array = np.array([
    [1, 2, 3],
    [4, 5, 6]
])
访问元素
print(array[0, 1])  # 输出 2
修改元素
array[1, 2] = 9
print(array)  # 输出 [[1 2 3]
              #       [4 5 9]]

遍历二维数组

示例代码：

# 使用嵌套列表
array = [
    [1, 2, 3],
    [4, 5, 6]
]
for row in array:
    for element in row:
        print(element, end=' ')
    print()
使用NumPy
import numpy as np
array = np.array([
    [1, 2, 3],
    [4, 5, 6]
])
for row in array:
    for element in row:
        print(element, end=' ')
    print()

五、二维数组的高级操作

NumPy不仅支持基本的访问和修改操作，还提供了丰富的高级操作，如切片、矩阵运算、转置等。

切片操作

示例代码：

import numpy as np
array = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
])
选取第二列
print(array[:, 1])  # 输出 [2 5 8]
选取子数组
print(array[1:, 1:])  # 输出 [[5 6]
                      #       [8 9]]

矩阵运算

示例代码：

import numpy as np
array1 = np.array([
    [1, 2],
    [3, 4]
])
array2 = np.array([
    [5, 6],
    [7, 8]
])
矩阵加法
print(array1 + array2)  # 输出 [[ 6  8]
                        #       [10 12]]
矩阵乘法
print(np.dot(array1, array2))  # 输出 [[19 22]
                               #       [43 50]]

转置操作

示例代码：

import numpy as np
array = np.array([
    [1, 2, 3],
    [4, 5, 6]
])
转置矩阵
print(array.T)  # 输出 [[1 4]
                #       [2 5]
                #       [3 6]]