Python中的二维列表使用及说明
更新时间：2022年12月20日 15:19:49 作者：iFulling
这篇文章主要介绍了Python中的二维列表使用及说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
一、概念
二维列表的元素还是列表（列表的嵌套），称之为二维列表。
需要通过行标和列标来访问二维列表的元素
二、创建二维列表
1、追加一维列标来生成二维列标
生成一个4行3列的二维列表
row1 = [3, 4, 5] row2 = [1, 5, 9] row3 = [2, 5, 8] row4 = [7, 8, 9] matrix = [] matrix.append(row1) matrix.append(row2) matrix.append(row3) matrix.append(row4) print(matrix)
输出结果：
[[3, 4, 5], [1, 5, 9], [2, 5, 8], [7, 8, 9]]
2、直接赋值生成二维列表
定义一个3行4列的二维列表
matrix = [[], [], []] matrix[0] = [3, 4, 5, 6] matrix[1] = [8, 7, 9, 5] matrix[2] = [0, 2, 5, 8] print(matrix)
输出结果：
[[3, 4, 5, 6], [8, 7, 9, 5], [0, 2, 5, 8]]
三、一维列标与二维列表的转换
1、一维列表转换成二维列表
将1到24的全部数字按顺序放到一个4行6列的二维列表里
# 将1到24的全部数字按顺序放到一个4行6列的二维列表里 nums = [] for i in range(1, 25): nums.append(i) martix = [] for k in range(4): row = [] for j in range(1, 7): row.append(j + 6 * k) martix.append(row) for arr in martix: print(arr)
输出结果：
[1, 2, 3, 4, 5, 6]
[7, 8, 9, 10, 11, 12]
[13, 14, 15, 16, 17, 18]
[19, 20, 21, 22, 23, 24]
2、二维列表转换成一维列表
将一个3行5列的二维列表扁平化一维列表
# 将一个3行5列的二维列表扁平化一维列表 nums = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]] arr = [] for i in nums: for j in i: arr.append(j) print(arr)
输出结果：
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
3、利用NumPy实现数组的变维操作
利用NumPy数组提供的 reshape(m, n) 实现数组的变维
（1）一维数组变成二维数组
In [31]:import numpy as np In [32]:arr1 = np.arange(1,25) # arange() 创建一个等差数组 In [33]:arr2 = arr1.reshape(4, 6) # reshape（）一维转二维 In [34]:arr2 Out[34]: array([[ 1, 2, 3, 4, 5, 6], [ 7, 8, 9, 10, 11, 12], [13, 14, 15, 16, 17, 18], [19, 20, 21, 22, 23, 24]]) In [35]:arr2 = arr1.reshape(3, 8) In [36]:arr2 Out[36]: array([[ 1, 2, 3, 4, 5, 6, 7, 8], [ 9, 10, 11, 12, 13, 14, 15, 16], [17, 18, 19, 20, 21, 22, 23, 24]])
（2）二维数组转换成一维数组
In [36]:arr2 Out[36]: array([[ 1, 2, 3, 4, 5, 6, 7, 8], [ 9, 10, 11, 12, 13, 14, 15, 16], [17, 18, 19, 20, 21, 22, 23, 24]]) In [37]:arr1 = arr2.reshape(1, 24)[0] In [38]:arr1 Out[38]: array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24])
四、访问二维列表
通过行标与列标来访问二维列表（可以通过切片运算访问行）
1、访问行
In [36]:arr2 Out[36]: array([[ 1, 2, 3, 4, 5, 6, 7, 8], [ 9, 10, 11, 12, 13, 14, 15, 16], [17, 18, 19, 20, 21, 22, 23, 24]]) In [39]:arr2[1] Out[39]: array([ 9, 10, 11, 12, 13, 14, 15, 16])
2、访问元素
In [40]:arr2 Out[40]: array([[ 1, 2, 3, 4, 5, 6, 7, 8], [ 9, 10, 11, 12, 13, 14, 15, 16], [17, 18, 19, 20, 21, 22, 23, 24]]) In [41]:arr2[1][2] # 第2行第3列 Out[41]: 11
3、NumPy二维数组的访问
In [42]:import numpy as np In [43]:arr2 Out[43]: array([[ 1, 2, 3, 4, 5, 6, 7, 8], [ 9, 10, 11, 12, 13, 14, 15, 16], [17, 18, 19, 20, 21, 22, 23, 24]]) In [44]:arr2[1] # 访问行 Out[44]: array([ 9, 10, 11, 12, 13, 14, 15, 16]) In [45]:arr2[:, 0] # 访问列 Out[45]: array([ 1, 9, 17]) In [46]:arr2[2, 3] # 访问元素 Out[46]: 20
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了django框架自定义用户表操作,结合实例形式分析了Django框架自定义用户表替换自带的user表具体操作步骤与相关使用技巧,需要的朋友可以参考下2018-08-08
这篇文章主要介绍了Python3.7+tkinter实现查询界面功能，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-12-12
这篇文章主要给大家介绍了关于python计算圆周率的5种方法,圆周率(Pi)是圆的周长与直径的比值,一般用希腊字母π表示,是一个在数学及物理学中普遍存在的数学常数,需要的朋友可以参考下2023-07-07
有时我们不想让浏览器窗口跳出来,而是想在后台进行操作,这就需要用到无界面浏览器,本文主要介绍了python selenium 无界面浏览器的实现,具有一定的参考价值,感兴趣的可以了解一下2023-10-10
Python中模块(Module)和包(Package）的区别详解
这篇文章主要介绍了Python中模块(Module)和包(Package）的区别详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-08-08
今天小编就为大家一篇对Pytorch中Tensor的各种池化操作解析，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01
这篇文章主要给大家介绍了关于Django中cookie的基本使用的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧。2018-02-02
这篇文章主要介绍了Pandas中两个dataframe的交集和差集的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-12-12
这篇文章主要介绍了PyCharm 的初始设置（知道）,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-10-10
这篇文章主要介绍了Django Celery异步任务队列的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
最新评论