# This creates a list of 5000 zeros
a = [0] * 5000  

您可以像使用数组一样，使用[n]符号读取和写入此列表中的任何元素。

它似乎具有与数组相同的随机访问性能。我不能说它如何分配内存，因为它还支持不同类型的混合，包括字符串和对象，如果你需要的话。

一些贡献建议python中的数组由列表表示。这是不正确的。Python在标准库模块array "array.array()"中有array()的独立实现，因此将两者混淆是不正确的。列表在python中是列表，所以要小心使用的命名法。

list_01 = [4, 6.2, 7-2j, 'flo', 'cro']

list_01
Out[85]: [4, 6.2, (7-2j), 'flo', 'cro']

list和array.array()之间有一个非常重要的区别。虽然这两个对象都是有序序列，但array.array()是有序齐次序列，而list是非齐次序列。

您可以创建列表并将其转换为数组，或者您可以使用numpy模块创建数组。下面是几个例子来说明这一点。Numpy还使使用多维数组变得更容易。

import numpy as np
a = np.array([1, 2, 3, 4])

#For custom inputs
a = np.array([int(x) for x in input().split()])

您还可以使用使用输入作为矩阵维数的重塑函数将该数组重塑为2X2矩阵。

mat = a.reshape(2, 2)

计算时，使用numpy数组:

import numpy as np

a = np.ones((3,2))        # a 2D array with 3 rows, 2 columns, filled with ones
b = np.array([1,2,3])     # a 1D array initialised using a list [1,2,3]
c = np.linspace(2,3,100)  # an array with 100 points beteen (and including) 2 and 3

print(a*1.5)  # all elements of a times 1.5
print(a.T+b)  # b added to the transpose of a

这些numpy数组可以从磁盘保存和加载(甚至压缩)，具有大量元素的复杂计算像c一样快。

多用于科学环境。更多信息请看这里。

你不需要在Python中声明任何东西。你只需使用它。我建议你从http://diveintopython.net开始。

# This creates a list of 5000 zeros
a = [0] * 5000  

您可以像使用数组一样，使用[n]符号读取和写入此列表中的任何元素。

它似乎具有与数组相同的随机访问性能。我不能说它如何分配内存，因为它还支持不同类型的混合，包括字符串和对象，如果你需要的话。