В Python под массивами чаще всего понимают списки. Списки - это универсальные и гибкие структуры данных, которые могут хранить элементы различных типов.
Создание пустого списка (массива)
my_list = []
Создание списка с элементами
numbers = [1, 2, 3, 4, 5]
fruits = ["яблоко", "банан", "груша"]
mixed_list = [10, "hello", 3.14]
Создание списка с помощью функции range()
# Список чисел от 0 до 9
numbers = list(range(10))
print(numbers) # Вывод: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
Создание списка с помощью генератора списков
# Список квадратов чисел от 1 до 5
squares = [x**2 for x in range(1, 6)]
print(squares) # Вывод: [1, 4, 9, 16, 25]
Доступ к элементам списка
my_list = [10, 20, 30]
first_element = my_list[0] # Получаем первый элемент (индексация начинается с 0)
last_element = my_list[-1] # Получаем последний элемент
Изменение элементов списка
my_list[1] = 40 # Изменяем второй элемент
Добавление элементов в список
my_list.append(50) # Добавляем элемент в конец списка
my_list.insert(2, 35) # Вставляем элемент с индексом 2
Удаление элементов из списка
my_list.remove(30) # Удаляем первый элемент со значением 30
del my_list[0] # Удаляем элемент по индексу
Срезы списков
my_list = [1, 2, 3, 4, 5]
sublist = my_list[1:4] # Получаем подсписок со 2-го по 3-й элемент (не включая 4-й)
Для более сложных операций с массивами, особенно с многомерными массивами, рекомендуется использовать библиотеку NumPy. Она предоставляет мощные инструменты для работы с массивами чисел.
Когда использовать списки:
- Хранение разнородных данных.
- Быстрый доступ к элементам по индексу.
- Изменение размера списка во время выполнения программы.
Когда использовать NumPy:
- Работа с большими массивами чисел.
- Выполнение математических операций над массивами.
- Работа с многомерными массивами (матрицы).
Пример использования NumPy:
import numpy as np
# Создаем массив NumPy
my_array = np.array([1, 2, 3])
# Выполняем операции над массивом
result = my_array * 2
print(result) # Вывод: [2 4 6]
Выбор между списками и NumPy зависит от конкретной задачи.