空列表的真值为False，而非空列表的值为True。

我更喜欢以下内容：

if a == []:
   print "The list is empty."

为什么要检查？

似乎没有人回答过你首先需要测试列表的问题。因为您没有提供额外的上下文，我可以想象，您可能不需要首先执行此检查，但不熟悉Python中的列表处理。

我认为，最Python的方法是根本不检查，而只是处理列表。这样，无论是空的还是满的，它都会做正确的事情。

a = []

for item in a:
    # <Do something with item>

# <The rest of code>

这有利于处理的任何内容，同时不需要对空性进行特定检查。如果a为空，则依赖块将不执行，解释器将进入下一行。

如果确实需要检查数组是否为空：

a = []

if not a:
    # <React to empty list>

# <The rest of code>

足够了。

空列表的真值为False，而非空列表的值为True。

在真值测试中，空列表本身被认为是错误的（请参见python文档）：

a = []
if a:
     print("not empty")

达伦·托马斯的回答：

编辑：反对测试的另一点空列表为False：多态性？你不应该依赖列表是列表。它应该只是像鸭子一样呱呱叫-你怎么样让你的duckCollection呱呱叫当它没有元素时为“False”？

duckCollection应该实现__nonzero_或__len__，因此if-a:将毫无问题地工作。

这是谷歌对“python测试空数组”和类似查询的第一次点击，其他人将这个问题概括为列表之外的问题，所以这里有很多人使用的不同类型的序列的警告。

其他方法不适用于NumPy数组

您需要小心使用NumPy数组，因为对于列表或其他标准容器工作正常的其他方法对于NumPy阵列失败。我在下面解释了原因，但简而言之，首选的方法是使用大小。

“蟒蛇”的方式行不通：第一部分

NumPy数组的“pythonic”方法失败，因为NumPy试图将数组强制转换为布尔值数组，如果x试图同时计算所有布尔值以获得某种聚合真值。但这没有任何意义，因此您会得到ValueError：

>>> x = numpy.array([0,1])
>>> if x: print("x")
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

“蟒蛇”的方式行不通：第2部分

但至少上述案例告诉你，它失败了。如果您恰好有一个仅包含一个元素的NumPy数组，则If语句将“有效”，即不会出现错误。但是，如果该元素恰好为0（或0.0，或False，…），if语句将错误地导致False：

>>> x = numpy.array([0,])
>>> if x: print("x")
... else: print("No x")
No x

但显然x存在并且不是空的！这个结果不是你想要的。

使用len可能会产生意想不到的结果

例如

len( numpy.zeros((1,0)) )

返回1，即使数组没有元素。

numpythonic方式

正如SciPy常见问题解答中所解释的，在所有已知拥有NumPy数组的情况下，正确的方法是在x.size：

>>> x = numpy.array([0,1])
>>> if x.size: print("x")
x

>>> x = numpy.array([0,])
>>> if x.size: print("x")
... else: print("No x")
x

>>> x = numpy.zeros((1,0))
>>> if x.size: print("x")
... else: print("No x")
No x

如果您不确定它是列表、NumPy数组还是其他类型，可以将此方法与@dubiusjim给出的答案结合起来，以确保对每种类型使用正确的测试。不是很“蟒蛇”，但事实证明NumPy至少在这个意义上故意破坏了蟒蛇。

如果您需要做的不仅仅是检查输入是否为空，而且您正在使用其他NumPy特性，如索引或数学运算，那么强制输入为NumPy数组可能更有效（当然也更常见）。有几个很好的函数可以快速实现这一点，最重要的是numpy.asarray。它接受您的输入，如果它已经是一个数组，则不执行任何操作，如果它是一个列表、元组等，则将您的输入包装到一个数组中，并可选地将其转换为您选择的数据类型。因此，无论何时，它都非常快速，并确保您只需假设输入是一个NumPy数组。我们通常甚至只使用相同的名称，因为转换到数组不会使其返回到当前范围之外：

x = numpy.asarray(x, dtype=numpy.double)

这将使x.size检查在我在本页上看到的所有情况下都有效。