在 Python 中，创建和使用多维数组或变量非常灵活，因为 Python 是一种动态语言，不需要像静态语言（如 C++）那样在编译时就确定维度大小。Python 提供了多种方式来处理多维数组，最常见的是使用标准库中的嵌套列表（list of lists）以及第三方库 NumPy。 ### 创建多维数组 #### 1. 使用嵌套列表 可以通过列表的嵌套形式表示二维甚至更高维度的数组： ```python # 二维数组示例 matrix_2d = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ] # 三维数组示例 matrix_3d = [ [[1, 2], [3, 4]], [[5, 6], [7, 8]] ] ``` 这种形式适用于简单的数据结构需求，但在进行数学运算或大规模数据处理时效率较低。 #### 2. 使用 NumPy 库 NumPy 是一个强大的数值计算库，支持高效的多维数组操作。可以通过 `numpy.array` 来创建多维数组： ```python import numpy as np # 创建二维数组 matrix_2d = np.array([ [1, 2, 3], [4, 5, 6] ]) # 创建三维数组 matrix_3d = np.array([ [[1, 2], [3, 4]], [[5, 6], [7, 8]] ]) ``` NumPy 还提供了一些便捷函数用于生成特定类型的多维数组： - **全零数组**：`np.zeros((2, 3))` 生成 2 行 3 列的全零数组。 - **全一数组**：`np.ones((3, 3))` 生成 3x3 的全一数组。 - **单位矩阵**：`np.eye(3)` 生成 3x3 的单位矩阵。 - **随机数组**：`np.random.rand(2, 3)` 生成 2 行 3 列的随机数数组。 ### 调用和访问多维数组 #### 1. 嵌套列表的访问 对于嵌套列表，可以通过索引逐层访问元素： ```python # 访问二维数组的某个元素 print(matrix_2d[0][1]) # 输出 2 # 访问三维数组的某个元素 print(matrix_3d[1][0][1]) # 输出 6 ``` #### 2. NumPy 数组的访问 NumPy 数组的索引方式与列表类似，但更高效且支持切片操作： ```python # 访问二维数组的某个元素 print(matrix_2d[1, 2]) # 输出 6 # 切片操作获取子数组 print(matrix_2d[0:2, 1:]) # 获取前两行，从第2列开始的子数组 ``` #### 3. 多维数组的数学运算 NumPy 支持对多维数组进行高效的数学运算： ```python # 加法 result_add = matrix_2d + matrix_2d # 乘法（逐元素相乘） result_mul = matrix_2d * matrix_2d # 矩阵乘法 result_dot = np.dot(matrix_2d, matrix_2d.T) # .T 表示转置 ``` ### 相关问题