python怎么创建列表_python列表操作完全指南

Python创建列表最常用方式是用方括号[]直接定义,如my_list = [1, 2, 3];也可用list()构造函数转换可迭代对象,或使用列表推导式[expr for item in iterable if cond]实现简洁高效的列表生成;列表支持通过索引和切片访问及修改元素,结合append、extend、insert等方法实现增删改查;需注意列表复制时的浅拷贝与深拷贝区别,避免因引用共享导致意外修改。

python怎么创建列表_python列表操作完全指南

Python中创建列表其实非常直接,它就像你收集各种东西,然后把它们按顺序排好放在一个盒子里。这个“盒子”就是列表,而“各种东西”可以是任何类型的数据,比如数字、文本,甚至是其他列表。最常见的创建方式就是用方括号

[]

把你想放进去的东西(我们叫它们元素)括起来,用逗号隔开。

解决方案

创建Python列表的方式有很多种,最基础也最常用的就是直接字面量声明。你可以创建一个空的列表,稍后再往里面加东西,也可以在创建时就指定一些初始元素。

比如,一个空列表就这么写:

my_empty_list = []

。是不是很简单?

如果想一开始就有内容,那就把元素放进去:

my_numbers = [1, 2, 3, 4, 5]

或者

my_fruits = ["apple", "banana", "cherry"]

。这里要注意,列表里的元素类型可以混搭,比如

mixed_list = [1, "hello", True, 3.14]

,这在Python里是完全允许的,也是它灵活性的体现。

立即学习“Python免费学习笔记(深入)”;

除了直接用方括号,你也可以用

list()

构造函数。如果你有一个其他可迭代对象(比如字符串或元组),想把它转换成列表,

list()

就派上用场了。

my_string = "Python"
list_from_string = list(my_string)

# 结果是

['P', 'y', 't', 'h', 'o', 'n']
my_tuple = (10, 20, 30)
list_from_tuple = list(my_tuple)

# 结果是

[10, 20, 30]

还有一种非常强大且Pythonic的方式叫做“列表推导式”(List Comprehension),它能让你用一行代码简洁地创建或转换列表。我个人非常喜欢用它来处理一些数据转换的场景,代码会显得非常优雅。比如,想创建一个包含1到10所有偶数的列表:

even_numbers = [i for i in range(1, 11) if i % 2 == 0]

# 结果是

[2, 4, 6, 8, 10]

这个方法后面会详细讲,因为它真的很实用。

如何从列表中获取或修改特定元素?

列表的元素是有序的,这意味着每个元素都有一个位置,我们称之为“索引”。在Python里,索引是从0开始的。所以,第一个元素的索引是0,第二个是1,依此类推。

要获取列表中的某个元素,你只需在列表名后面加上方括号,里面写上索引号。

fruits = ["apple", "banana", "cherry"]
first_fruit = fruits[0]

# 结果是 “apple”

second_fruit = fruits[1]

# 结果是 “banana”

如果想从列表末尾开始数,可以使用负数索引。

[-1]

表示最后一个元素,

[-2]

表示倒数第二个,这在处理不确定列表长度时特别方便。

last_fruit = fruits[-1]

# 结果是 “cherry”

修改列表中的元素也很简单,直接通过索引赋值就行了:

fruits[1] = "orange"

# 现在

fruits

变成了

["apple", "orange", "cherry"]

除了单个元素,我们还可以获取或修改列表的“切片”(slice),也就是列表的一部分。切片操作符是

[start:end:step]

start

是起始索引(包含),

end

是结束索引(不包含),

step

是步长。

numbers = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
subset = numbers[2:5]

# 结果是

[2, 3, 4]

(从索引2到索引4)

every_other = numbers[::2]

# 结果是

[0, 2, 4, 6, 8]

(每隔一个取一个)

reversed_list = numbers[::-1]

# 结果是

[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

(一个很酷的翻转列表技巧)

修改切片也行,但要注意,你替换的元素数量不一定非要和原切片长度一致:

numbers[2:5] = [20, 30]

#

numbers

变成了

[0, 1, 20, 30, 5, 6, 7, 8, 9]

。原先的

[2, 3, 4]

[20, 30]

替换了,列表长度也随之改变。

要往列表里添加元素,最常用的是

append()

方法,它会把新元素加到列表的末尾:

fruits.append("grape")

#

fruits

变成了

["apple", "orange", "cherry", "grape"]

如果你想把另一个列表的所有元素都加进来,用

extend()

而不是

append()

append()

会把整个新列表作为一个单一元素添加,而

extend()

会逐个添加:

more_fruits = ["kiwi", "mango"]
fruits.extend(more_fruits)

#

fruits

变成了

["apple", "orange", "cherry", "grape", "kiwi", "mango"]

要在指定位置插入元素,可以用

insert(index, element)

fruits.insert(1, "blueberry")

#

fruits

变成了

["apple", "blueberry", "orange", "cherry", "grape", "kiwi", "mango"]

删除元素有几种方式:

del

语句:根据索引删除。

del fruits[0]
pop()

方法:删除指定索引的元素,并返回被删除的元素。如果不指定索引,默认删除并返回最后一个。

removed_fruit = fruits.pop(1)

#

removed_fruit

是 “blueberry”

remove()

方法:删除列表中第一个匹配到的指定值的元素。如果值不存在会报错。

fruits.remove("orange")

除了增删改查,Python 列表还有哪些常用技巧?

列表的操作远不止基本的增删改查,还有很多内置函数和方法能让你的工作更高效。

首先是获取列表长度,用

len()

函数:

my_list = [1, 2, 3, 4]
list_length = len(my_list)

# 结果是 4

判断一个元素是否在列表中,可以使用

in

not in

运算符:

if "apple" in fruits:
print("Apple is in the list.")
if "pineapple" not in fruits:
print("Pineapple is not here.")

列表的排序是个很常见的需求。Python提供了两种主要方式:

list.sort()

方法:直接修改原列表,没有返回值。

numbers = [3, 1, 4, 1, 5, 9, 2]
numbers.sort()

#

numbers

变成了

[1, 1, 2, 3, 4, 5, 9]

你可以传递

reverse=True

参数进行降序排序:

numbers.sort(reverse=True)
sorted()

函数:返回一个新的排序后的列表,不改变原列表。

original_numbers = [3, 1, 4]
sorted_numbers = sorted(original_numbers)

#

sorted_numbers

[1, 3, 4]

original_numbers

保持不变。

如果你只是想反转列表元素的顺序,而不是排序,可以使用

list.reverse()

方法(原地反转)或切片

[::-1]

(返回新列表):

my_list = [1, 2, 3]
my_list.reverse()

#

my_list

变成了

[3, 2, 1]
another_list = [10, 20, 30]
reversed_another_list = another_list[::-1]

#

reversed_another_list

[30, 20, 10]

查找某个元素在列表中出现的次数,用

list.count()

my_list = [1, 2, 1, 3, 1, 4]
count_of_one = my_list.count(1)

# 结果是 3

查找某个元素第一次出现的索引,用

list.index()

my_list = ["a", "b", "c", "b"]
index_of_b = my_list.index("b")

# 结果是 1注意,如果元素不存在,

index()

会抛出

ValueError

,所以在使用前最好用

in

进行检查。

连接两个或多个列表,可以用

+

运算符:

list1 = [1, 2]
list2 = [3, 4]
combined_list = list1 + list2

# 结果是

[1, 2, 3, 4]

重复列表,可以用

*

运算符:

repeated_list = [0] * 5

# 结果是

[0, 0, 0, 0, 0]

但要小心,如果列表包含可变对象(如另一个列表),这种重复只是创建了对相同对象的引用,修改其中一个会影响所有重复项。

# 示例:重复列表的陷阱nested_list = [[1, 2]] * 3print(nested_list) # 输出: [[1, 2], [1, 2], [1, 2]]nested_list[0][0] = 99print(nested_list) # 输出: [[99, 2], [99, 2], [99, 2]] -- 噢,所有子列表都被修改了!

这其实是Python浅拷贝的一个经典案例,在使用时需要特别留意。

列表推导式是什么?它能让我的代码更简洁吗?

列表推导式(List Comprehension)是Python提供的一种非常优雅和高效的创建列表的方式。它能将循环和条件判断结合在一行代码中,生成新的列表。我个人觉得,一旦你掌握了它,你的Python代码会变得更加简洁、可读性更强,而且通常运行效率也更高。

它的基本语法是:

[expression for item in iterable if condition]
expression

:对

item

进行操作,生成新列表的元素。

item

:从

iterable

中取出的每一个元素。

iterable

:一个可迭代对象,比如范围、元组、字符串或另一个列表。

condition

(可选):一个布尔表达式,只有当它为

True

时,

item

才会参与

expression

的计算。

我们来看几个例子:

1. 简单的元素转换:假设你有一个数字列表,想把每个数字都平方。传统方法:

numbers = [1, 2, 3, 4, 5]squared_numbers = []for num in numbers:    squared_numbers.append(num ** 2)print(squared_numbers) # 输出: [1, 4, 9, 16, 25]

使用列表推导式:

numbers = [1, 2, 3, 4, 5]squared_numbers = [num ** 2 for num in numbers]print(squared_numbers) # 输出: [1, 4, 9, 16, 25]

是不是简洁了很多?

2. 结合条件过滤:现在,我们只想平方偶数。传统方法:

numbers = [1, 2, 3, 4, 5]even_squared_numbers = []for num in numbers:    if num % 2 == 0:        even_squared_numbers.append(num ** 2)print(even_squared_numbers) # 输出: [4, 16]

使用列表推导式:

numbers = [1, 2, 3, 4, 5]even_squared_numbers = [num ** 2 for num in numbers if num % 2 == 0]print(even_squared_numbers) # 输出: [4, 16]

条件判断

if num % 2 == 0

被放在了

for

循环之后。

3. 带有

if-else

的条件表达式:如果条件判断需要根据结果生成不同的值,而不是过滤元素,你可以把

if-else

放在

expression

部分:假设你想把偶数变成它们的平方,奇数保持不变。传统方法:

numbers = [1, 2, 3, 4, 5]transformed_numbers = []for num in numbers:    if num % 2 == 0:        transformed_numbers.append(num ** 2)    else:        transformed_numbers.append(num)print(transformed_numbers) # 输出: [1, 4, 3, 16, 5]

使用列表推导式:

numbers = [1, 2, 3, 4, 5]transformed_numbers = [num ** 2 if num % 2 == 0 else num for num in numbers]print(transformed_numbers) # 输出: [1, 4, 3, 16, 5]

这里的

if-else

结构是在

for

循环之前。记住这个区别,它很重要。

4. 嵌套列表推导式:列表推导式甚至可以嵌套,用来处理多维数据或生成笛卡尔积。

matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]flattened_list = [num for row in matrix for num in row]print(flattened_list) # 输出: [1, 2, 3, 4, 5, 6, 7, 8, 9]

这个例子将一个二维列表“展平”成了一维列表。

什么时候使用列表推导式?

当你需要基于一个现有列表或其他可迭代对象创建新列表时。当你想用更少的代码实现循环和条件逻辑时。当你关心代码的执行效率时(列表推导式通常比显式的

for

循环更快,因为它在C语言层面进行了优化)。

不过,如果逻辑过于复杂,或者嵌套层级太多,列表推导式可能会变得难以阅读。在这种情况下,传统的

for

循环可能更清晰。平衡简洁性和可读性是关键。

为什么我的列表复制后,原列表也跟着变了?(浅拷贝的坑)

在Python中处理列表时,一个非常常见的误区就是关于列表的复制。如果你不小心,可能会遇到“为什么我修改了副本,原列表也跟着变了?”的困惑。这通常涉及到“浅拷贝”(shallow copy)和“深拷贝”(deep copy)的概念。

Python变量存储的不是值本身,而是对内存中对象的引用。当我们对列表进行“复制”操作时,究竟是复制了引用,还是复制了实际内容,这决定了后续操作的行为。

1. 直接赋值(

=

):这不是复制,而是引用!这是最容易犯错的地方。当你写

list_b = list_a

时,你并没有创建一个新的列表

list_b

。实际上,

list_a

list_b

现在都指向内存中的同一个列表对象。它们只是同一个对象的两个不同名字而已。

original_list = [1, 2, 3]new_list = original_list # 仅仅是引用new_list.append(4)print(original_list) # 输出: [1, 2, 3, 4] -- 咦,原列表也变了!print(new_list)      # 输出: [1, 2, 3, 4]

修改

new_list

实际上就是修改了

original_list

指向的那个对象。

2. 浅拷贝(Shallow Copy):复制列表本身,但不复制其内部的可变对象。浅拷贝会创建一个新的列表对象,但这个新列表中的元素,如果是可变对象(比如另一个列表),则仍然是原列表中对应元素的引用。这意味着,如果你修改了新列表中可变子对象的内容,原列表中的子对象也会被修改。

有几种方法可以进行浅拷贝:

切片操作

[:]

这是最常用和推荐的浅拷贝方法之一。

original_list = [1, 2, [3, 4]]copied_list = original_list[:] # 浅拷贝copied_list.append(5)copied_list[2].append(6) # 修改了内部的子列表print(original_list) # 输出: [1, 2, [3, 4, 6]] -- 子列表变了!print(copied_list)   # 输出: [1, 2, [3, 4, 6], 5]

可以看到,

append(5)

只影响了

copied_list

,因为它是在顶层添加了一个新元素。但

copied_list[2].append(6)

修改了内部的子列表

[3, 4]

,由于

original_list

copied_list

的子列表

[3, 4]

仍然是同一个对象,所以

original_list

也受到了影响。

list()

构造函数: 效果与切片

[:]

相同。

original_list = [1, 2, [3, 4]]copied_list = list(original_list) # 浅拷贝# 后续操作同上,结果一样

copy

模块的

copy()

函数: 明确表示进行浅拷贝。

import copyoriginal_list = [1, 2, [3, 4]]copied_list = copy.copy(original_list) # 浅拷贝# 后续操作同上,结果一样

3. 深拷贝(Deep Copy):彻底复制所有内容,包括嵌套的可变对象。深拷贝会创建一个全新的列表对象,并且递归地复制原列表中所有嵌套的可变对象。这意味着,深拷贝后的列表与原列表在内存中完全独立,修改其中任何一个都不会影响另一个。

要进行深拷贝,你需要使用

copy

模块中的

deepcopy()

函数:

import copyoriginal_list = [1, 2, [3, 4]]deep_copied_list = copy.deepcopy(original_list) # 深拷贝deep_copied_list.append(5)deep_copied_list[2].append(6) # 修改了内部的子列表print(original_list)     # 输出: [1, 2, [3, 4]] -- 原列表保持不变!print(deep_copied_list)  # 输出: [1, 2, [3, 4, 6], 5]

在这里,

original_list

即使在

deep_copied_list

的子列表被修改后,也依然保持原样,因为

deepcopy()

连同内部的子列表也一并复制了。

总结一下:

直接赋值 (

=

): 只是创建了对同一对象的另一个引用。浅拷贝 (

[:]

,

list()

,

copy.copy()

): 创建了新的顶层列表,但内部的可变对象仍是引用。深拷贝 (

copy.deepcopy()

): 创建了完全独立的副本,包括所有嵌套的可变对象。

选择哪种拷贝方式取决于你的具体需求。如果你的列表只包含不可变对象(如数字、字符串、元组),那么浅拷贝就足够了,因为它和深拷贝的效果一样。但如果你的列表包含其他列表、字典等可变对象,并且你希望修改副本时原列表不受影响,那么深拷贝是你的不二之选。理解这个差异,能帮你避免很多不必要的bug。

以上就是python怎么创建列表_python列表操作完全指南的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/1368959.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年12月14日 09:13:48
下一篇 2025年12月14日 09:13:58

相关推荐

  • 使用 Numba 加速 Python 嵌套循环

    本文将探讨如何使用 Numba 库中的 Just-In-Time (JIT) 编译器来显著提升 Python 中嵌套循环的执行速度。通过简单的装饰器 @njit 和 prange,可以将耗时的循环计算加速数十倍,尤其是在涉及大量数值计算的场景中。此外,文章还展示了如何通过存储中间结果来进一步优化代码…

    好文分享 2025年12月14日
    000
  • Python中上下文管理器怎么用 Python中上下文管理器指南

    Python上下文管理器解决了资源管理中的泄露风险和代码冗余问题,通过with语句自动处理资源的获取与释放,确保异常安全。它广泛应用于文件操作、数据库事务、线程锁、环境切换和测试mock等场景,提升代码的可读性、健壮性和复用性,核心实现方式包括类定义__enter__和__exit__方法,或使用c…

    2025年12月14日
    000
  • Python中数据库如何连接 Python中数据库连接教程

    Python连接数据库需依赖特定驱动,遵循DB-API 2.0规范,核心流程为连接、游标、执行、提交、关闭;不同数据库在驱动安装、参数配置、SQL方言、占位符(如?或%s)等方面存在差异,需注意事务管理与异常处理;推荐使用ORM(如SQLAlchemy)提升代码可维护性并防范SQL注入,复杂场景可结…

    2025年12月14日
    000
  • Python怎样处理图片_Python图像处理库使用方法介绍

    Python图像处理依赖Pillow、OpenCV和Scikit-image三大库:Pillow适用于基本操作如格式转换与裁剪,OpenCV擅长计算机视觉任务如边缘检测与目标识别,Scikit-image则专精于科学计算与算法开发,三者结合可高效完成从简单编辑到复杂分析的各类需求。 Python处理…

    2025年12月14日
    000
  • Python中多线程怎么实现 Python中多线程编程指南

    Python多线程适用于I/O密集型任务,因GIL在I/O等待时释放,允许其他线程运行,从而提升并发效率;但CPU密集型任务应使用multiprocessing模块实现真正并行。 Python中实现多线程,主要依赖内置的 threading 模块。它的核心思想是让程序在同一进程内并发执行多个任务,尤…

    2025年12月14日
    000
  • Python中生成器如何使用 Python中生成器教程

    生成器是一种特殊函数,通过yield实现惰性求值,按需返回值并暂停执行。调用生成器函数返回迭代器对象,每次next()或for循环触发时从上次暂停处继续,直到下一个yield。如示例所示,生成器分步输出1、2、3,每次执行到yield暂停,有效节省内存,适合处理大数据或无限序列。 Python中的生…

    2025年12月14日
    000
  • Python中虚拟环境怎么搭建 Python中虚拟环境配置

    使用venv创建虚拟环境可隔离项目依赖,避免版本冲突。步骤包括:用python -m venv env_name创建环境,通过activate命令激活,安装依赖后用deactivate退出。venv轻量易用,适合小型项目;pipenv整合依赖管理,适合团队协作;conda支持多语言和复杂依赖,常用于…

    2025年12月14日
    000
  • python怎么使用字典_python字典常用方法汇总

    Python字典的核心特性包括键值对映射、高效查找(O(1)时间复杂度)、可变性、键的唯一性和可哈希性,以及从Python 3.7+保持插入顺序。这些特性使其在数据建模、配置管理、缓存实现等场景中成为不可或缺的高效工具。 Python字典是键值对的无序集合(在Python 3.7+中,它们保持插入顺…

    2025年12月14日
    000
  • Python怎样读写文本文件_Python文件读写技巧总结

    Python文件操作核心是open()函数和with语句,通过指定模式(如’r’、’w’、’a’)和编码(如’utf-8’、’gbk’)实现安全读写;使用with可自动关闭文件,避…

    2025年12月14日
    000
  • python怎么读取txt文件_python文件读写步骤

    Python读取txt文件需用open()函数配合with语句确保资源释放,推荐逐行迭代或分块读取大文件,并明确指定encoding解决编码问题。 Python读取txt文件主要依赖内置的 open() 函数,它能打开文件并返回一个文件对象,接着可以使用文件对象的方法如 read() 、 readl…

    2025年12月14日
    000
  • 如何使用 Numba 加速 Python 中的嵌套循环

    本文旨在提供一种使用 Numba 库加速 Python 中嵌套循环计算的方法。通过使用 Numba 的 JIT 编译和并行计算功能,可以将原本耗时较长的嵌套循环代码的执行速度显著提高,从而更高效地完成计算任务。文章将提供详细的代码示例和优化技巧,帮助读者理解和应用这些技术。 使用 Numba 加速嵌…

    2025年12月14日
    000
  • Python如何操作列表_Python列表常用方法汇总

    Python列表是可变有序序列,支持增删改查、切片和排序等操作,适用于需动态修改且顺序重要的数据场景,其灵活性高于元组和集合,但需注意迭代修改、浅拷贝陷阱及性能优化,如用列表推导式和deque提升效率。 Python列表是Python编程中最基础也最强大的数据结构之一,它本质上是一个动态数组,允许存…

    2025年12月14日
    000
  • Python中协程如何实现 Python中协程编程教程

    Python中实现协程依赖async/await语法和asyncio库,通过事件循环调度,实现单线程内高效并发处理I/O密集型任务。使用async def定义协程函数,await暂停执行并让出控制权,避免阻塞。相比多线程和多进程,协程开销小、调度由程序控制,适合高并发I/O场景,但需避免阻塞调用。常…

    2025年12月14日
    000
  • Python怎样处理日期时间_Python时间操作指南一览

    Python处理日期时间的核心是datetime模块,掌握date、time、datetime、timedelta和tzinfo类是基础。应优先使用感知时间(aware datetime)并借助zoneinfo或pytz处理时区,避免夏令时和时区混淆问题。格式化与解析主要依赖strftime和str…

    2025年12月14日
    000
  • Python中字符串常用方法总结 Python中字符串操作技巧

    掌握Python字符串方法可提升数据处理效率。1. 常用方法包括len、lower、upper、strip、replace、split、startswith、endswith、find、count、join、format及f-strings,用于长度获取、大小写转换、空白去除、替换、分割、匹配判断、…

    2025年12月14日
    000
  • 使用 Numba 加速 Python 嵌套循环计算

    本文将介绍如何使用 Numba 库中的 Just-In-Time (JIT) 编译技术,显著提升 Python 中嵌套循环计算的执行速度。通过简单地添加装饰器,可以将耗时的循环代码转换为高效的机器码,从而大幅缩短计算时间。此外,本文还探讨了如何利用 Numba 的并行计算能力,进一步加速计算过程,充…

    2025年12月14日
    000
  • Python如何操作文件路径_Python路径处理指南汇总

    Python处理文件路径推荐使用pathlib,因其面向对象、跨平台且可读性强;os.path虽稳定但为函数式操作,适合旧项目;避免字符串拼接以防兼容性问题。 Python处理文件路径的核心在于两个强大且灵活的模块: os.path 和 pathlib 。它们提供了一套跨平台、安全且高效的方法,帮助…

    2025年12月14日
    000
  • Python怎么解析JSON数据_PythonJSON处理技巧总结

    Python解析JSON核心是使用json模块的loads、load、dumps和dump函数,实现字符串与文件的相互转换。1. json.loads()将JSON字符串转为Python对象,适用于API响应等字符串数据;2. json.load()直接从文件读取并解析JSON;3. json.du…

    2025年12月14日
    000
  • Python如何实现多线程_Python多线程编程指南分享

    Python多线程依赖threading模块,适用于I/O密集型任务,但受GIL限制无法在CPU密集型任务中实现真正并行;通过Lock、Queue等机制可解决共享数据的竞态条件;对于并行计算需求,应选用multiprocessing或多线程结合异步IO的混合模型。 Python实现多线程主要依赖于内…

    2025年12月14日
    000
  • Python如何生成随机数_Python随机数生成方法详解

    Python生成随机数主要依赖random模块,该模块提供生成伪随机数的多种方法,包括random()、uniform()、randint()等函数用于生成浮点数和整数,choice()、sample()、shuffle()用于序列操作,并可通过seed()设置种子实现可重现性;需注意其生成的是伪随…

    2025年12月14日
    000

发表回复

登录后才能评论
关注微信