一维数组的创建与赋值：实战中的常用技巧

Python一维数组创建有三类方式：列表适合通用场景，NumPy适用于数值计算，array模块节省内存；赋值时列表索引安全、NumPy支持视图切片、array严格索引检查。

Python里一维数组的创建和赋值看似简单，但实际用法灵活、场景多样。关键不在于“能不能做”，而在于“哪种方式更贴合当前需求”——比如是快速初始化、动态填充、类型严格控制，还是后续要参与数值计算。

用列表（list）快速上手

最轻量、最常用的方式，适合通用逻辑、小规模数据或原型开发：

• 直接写死： arr = [1, 5, -2, 0, 9] —— 初始化即赋值，可读性强
• 批量填零： arr = [0] * 10 —— 创建长度为10的全零列表（注意：只适用于不可变元素）
• 推导式生成： arr = [i**2 for i in range(6)] → [0, 1, 4, 9, 16, 25]
• 循环追加： arr = []，再用 for i in range(n): arr.append(value) —— 适合逻辑复杂、需条件判断的逐个赋值

用 NumPy 构建高效数值数组

当涉及数学运算、大数据量或与其他科学计算库协作时，NumPy 是首选。它支持向量化操作，且内存连续、类型明确：

• 从列表转换：import numpy as np; arr = np.array([1, 2, 3])
• 预设值初始化：np.zeros(5)、np.ones(4, dtype=int)、np.full(3, 7.5)
• 等差序列：np.arange(2, 12, 2) → [2 4 6 8 10]；np.linspace(0, 1, 5) → [0. 0.25 0.5 0.75 1.]
• 函数生成：np.fromfunction(lambda i: i*2 + 1, (5,), dtype=int) → [1 3 5 7 9]

用 array 模块节省内存

若处理大量同类型数值（如传感器采样点），且对内存敏感，标准库 array 比 list 更紧凑，比 NumPy 更轻量：

• 整数数组：from array import array; arr = array('i', [1, 2, 3, 4])（'i' 表示有符号 int）
• 浮点数组：arr = array('d', [1.1, 2.2, 3.3])（'d' 表示 double）
• 注意：不支持广播运算，也不能像 NumPy 那样直接 + 1，需用循环或 map

赋值与修改的关键细节

不同结构对“赋值”的语义略有差异，容易踩坑：

• 列表索引赋值安全：arr[2] = 99 直接生效，不会报错（只要下标在范围内）
• NumPy 数组支持切片赋值：arr[1:4] = [-1, -2, -3] 或 arr[::2] = 0（所有偶数位设为 0）
• NumPy 切片是视图（view），修改会影响原数组；列表切片是副本，修改不影响原列表
• 尝试给 array 赋超出范围的索引会报 IndexError，行为更接近传统数组