Python中，创建和使用数组（或者更准确地说，列表list和 NumPy 数组ndarray）是数据处理的基础。但怎么输入数组？方法可不止一种，不同的场景下，选择合适的方法能大大提高效率。我跟你讲，这可不是死记硬背的知识点，理解了背后的逻辑，才能灵活运用。
首先，也是最常见的，就是直接用方括号[]来创建列表。比如，my_list = [1, 2, 3, 4, 5]。这种方式简单直接，适合于元素数量不多，且数值已知的情况。想象一下，你要做一个简单的学生成绩登记系统，直接用列表来存储每个学生的成绩，多方便。
但是，如果数组元素很多，或者你需要按照某种规律来生成数组，手动输入就显得力不从心了。这时候，循环语句就派上用场了。你可以用for循环结合append()方法，动态地向列表中添加元素。例如：
python
my_list = []
for i in range(10):
my_list.append(i * 2)
print(my_list) # 输出：[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
这个例子中，我们创建了一个包含0到18之间所有偶数的列表。是不是感觉比手动输入要高效多了？
更进一步，Python还提供了列表推导式（list comprehension）这种简洁高效的语法。它可以让你用一行代码就能完成循环和条件判断等操作，创建出你想要的数组。上面的例子用列表推导式可以这样写：
python
my_list = [i * 2 for i in range(10)]
print(my_list) # 输出：[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
看到了吧，代码瞬间简洁了不少。列表推导式简直是Python的语法糖，用起来心情都变好了。
不过，要处理更复杂的数值计算，例如矩阵运算、线性代数等，NumPy库才是真正的利器。NumPy提供了ndarray数组对象，它比Python自带的列表更强大，运算效率也更高。
使用NumPy，你可以通过多种方式来创建数组。比如，np.array()函数可以将Python列表转换为ndarray数组：
“`python
import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array) # 输出：[1 2 3 4 5]
“`
NumPy还提供了很多方便的函数来创建特定类型的数组，比如：
np.zeros()：创建全零数组。np.ones()：创建全一数组。np.arange()：创建等差数列数组。np.linspace()：创建指定范围内均匀分布的数组。np.random.rand()：创建随机数组。
举个例子，创建一个3×3的全零矩阵：
“`python
import numpy as np
zero_matrix = np.zeros((3, 3))
print(zero_matrix)
输出：
[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]
“`
再比如，创建一个包含0到1之间5个均匀分布的数的数组：
“`python
import numpy as np
uniform_array = np.linspace(0, 1, 5)
print(uniform_array) # 输出：[0. 0.25 0.5 0.75 1. ]
“`
NumPy的这些函数极大地简化了数组的创建过程，尤其是在处理科学计算时，简直是不可或缺的工具。我之前用NumPy处理图像数据，简直是事半功倍。
除了以上方法，还可以从文件中读取数据来创建数组。Python提供了多种文件读取方式，结合NumPy，可以轻松地将文件中的数据导入到数组中。例如，可以使用np.loadtxt()函数读取文本文件中的数据：
“`python
import numpy as np
假设有一个名为 data.txt 的文件，内容如下：
1 2 3
4 5 6
7 8 9
data = np.loadtxt(“data.txt”)
print(data)
输出：
[[1. 2. 3.]
[4. 5. 6.]
[7. 8. 9.]]
“`
或者使用np.genfromtxt()函数，它可以处理包含缺失值的文件：
“`python
import numpy as np
假设有一个名为 data_missing.txt 的文件，内容如下：
1 2 3
4 , 6
7 8 9
data = np.genfromtxt(“data_missing.txt”, delimiter=”,”, filling_values=0)
print(data)
输出：
[[1. 2. 3.]
[4. 0. 6.]
[7. 8. 9.]]
“`
genfromtxt()的强大之处在于，它可以自定义分隔符和缺失值的填充方式，这在实际应用中非常有用。想象一下，你要处理一份包含各种奇怪格式的数据文件，有了genfromtxt()，就能轻松应对。
另外，pandas库也提供了强大的数据读取功能，可以将数据读取到DataFrame对象中，然后通过.values属性将其转换为NumPy数组。pandas在数据清洗和预处理方面非常出色，通常与NumPy结合使用，形成强大的数据分析工作流。
总结一下，Python中输入数组的方法有很多，从简单的列表到强大的NumPy数组，再到从文件中读取数据，每种方法都有其适用场景。选择合适的方法，可以让你在数据处理的道路上事半功倍。关键是要理解每种方法的原理，并根据实际需求灵活运用。别忘了，实践才是检验真理的唯一标准，多写代码，多尝试，才能真正掌握这些技能。
评论(0)