### Python 中二维数组的处理方法与代码示例 Python 提供了多种方式来处理二维数组，既可以使用原生的列表结构，也可以借助于强大的第三方库如 NumPy。以下是详细的说明和代码示例。 #### 原生列表作为二维数组 在 Python 中，可以利用嵌套列表（即列表中的列表）来表示二维数组。这是一种简单而直接的方法[^1]。 ```python # 初始化一个 3x3 的二维数组 array_2d = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ] # 访问元素 (第2行，第3列) element = array_2d[1][2] print(f"Accessed Element: {element}") # 输出：Accessed Element: 6 # 向二维数组中添加新行 new_row = [10, 11, 12] array_2d.append(new_row) print("After Adding New Row:") for row in array_2d: print(row) # 修改特定位置的值 (第1行，第2列) array_2d[0][1] = 100 print("\nModified Array:") for row in array_2d: print(row) ``` #### 使用 NumPy 处理二维数组 NumPy 是用于数值计算的强大工具，能够更高效地处理大型多维数组，并提供了许多便捷的功能[^2]。 ##### 创建二维数组 ```python import numpy as np # 方法一：通过已有的列表创建 list_data = [[1, 2, 3], [4, 5, 6]] numpy_array = np.array(list_data) print("Numpy Array from List:") print(numpy_array) # 方法二：生成固定大小的零矩阵 zero_matrix = np.zeros((3, 3)) print("\nZero Matrix:") print(zero_matrix) # 方法三：生成全为1的矩阵 ones_matrix = np.ones((2, 4)) print("\nOnes Matrix:") print(ones_matrix) # 方法四：生成随机整数矩阵 random_integers = np.random.randint(low=0, high=10, size=(3, 3)) print("\nRandom Integer Matrix:") print(random_integers) ``` ##### 获取行列数 ```python rows, cols = random_integers.shape print(f"\nNumber of Rows: {rows}, Number of Columns: {cols}") ``` ##### 数组切片与索引 ```python # 切片操作：选取前两行的所有列 subset = random_integers[:2, :] print("\nSubset of First Two Rows:") print(subset) # 单独访问某一元素 (第2行，第3列) single_element = random_integers[1, 2] print(f"\nSingle Element Access: {single_element}") ``` ##### 数组运算 ```python a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) # 加法 addition_result = a + b print("\nAddition Result:") print(addition_result) # 减法 subtraction_result = a - b print("\nSubtraction Result:") print(subtraction_result) # 点乘 dot_product = np.dot(a, b) print("\nDot Product:") print(dot_product) ``` #### 条件筛选与布尔掩码 使用布尔掩码可以从二维数组中提取符合条件的部分[^5]。 ```python data = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]) # 筛选大于5的元素 filtered_elements = data[data > 5] print("\nElements Greater Than 5:") print(filtered_elements) # 返回原始形状下的布尔矩阵 boolean_mask = data > 5 print("\nBoolean Mask:") print(boolean_mask) ``` --- ### 总结 以上展示了如何在 Python 中使用原生列表和 NumPy 库来定义、操作以及分析二维数组。每种方法都有其适用场景，具体选择取决于实际需求和技术背景。