Python 中二维数组和一维数组的区别

在 Python 中，数组是一种用于存储同类型元素的有序集合。数组可以是一维的或多维的。一维数组又称为列表，存储一组相同类型的元素。多维数组存储多个一维数组，形成了一个网格状的结构。本文将重点探讨一维数组和二维数组之间的区别。

一维数组

一维数组是 Python 中最简单的数组类型。它存储一系列按顺序排列的元素。可以使用方括号定义一维数组，例如：

python
my_array = [1, 2, 3, 4, 5]


一维数组支持索引和切片操作。索引运算符（方括号）用于访问特定索引处的元素，而切片运算符（冒号）用于获取数组的子集。例如：

“`python

访问第 3 个元素

print(my_array[2])

获取第 1 个到第 3 个元素的子集

print(my_array[1:3])
“`

二维数组

二维数组是 Python 中一种特殊的多维数组。它存储一系列一维数组，形成一个网格状的结构。使用嵌套方括号定义二维数组，例如：

python
my_2d_array = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]


二维数组支持嵌套索引操作。第一个索引表示行，第二个索引表示列。例如：

“`python

访问第 2 行第 3 列的元素

print(my2darray[1][2])
“`

二维数组和一维数组的区别

下表总结了 Python 中二维数组和一维数组之间的主要区别：

| 特征 | 一维数组 | 二维数组 |
|—|—|—|
| 维度 | 一维 | 二维 |
| 存储 | 按顺序排列的元素 | 一维数组的网格状结构 |
| 定义 | 使用单个方括号 | 使用嵌套方括号 |
| 索引 | 单个索引 | 嵌套索引 |
| 应用 | 存储一维数据 | 存储表格数据、图像、矩阵等 |

总结

Python 中的一维数组和二维数组是两个不同的数据结构，具有不同的特性和应用场景。一维数组用于存储按顺序排列的元素，而二维数组用于存储表格数据或其他具有网格状结构的数据。选择哪种数组类型取决于应用程序的具体需求。

常见问答

Q1：如何将一维数组转换为二维数组？

A1：可以使用 numpy.array() 方法将一维数组转换为二维数组，例如：

python
import numpy as np
my_1d_array = [1, 2, 3, 4, 5]
my_2d_array = np.array(my_1d_array).reshape(5, 1)


Q2：如何从二维数组中获取某一列的数据？

A2：可以使用 numpy.transpose() 方法从二维数组中获取某一列的数据，例如：

python
import numpy as np
my_2d_array = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
my_column = np.transpose(my_2d_array)[1]


Q3：如何计算二维数组的行列数？

A3：可以使用 numpy.shape() 方法计算二维数组的行列数，例如：

python
import numpy as np
my_2d_array = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
rows, cols = np.shape(my_2d_array)


Q4：如何遍历二维数组中的所有元素？

A4：可以使用嵌套循环遍历二维数组中的所有元素，例如：

python
for row in range(rows):
for col in range(cols):
print(my_2d_array[row][col])


Q5：如何向二维数组中添加一行或一列？

A5：可以使用 numpy.insert() 方法向二维数组中添加一行或一列，例如：

python
import numpy as np
my_2d_array = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
my_2d_array = np.insert(my_2d_array, 1, [10, 11, 12], axis=0) # 添加一行
my_2d_array = np.insert(my_2d_array, 3, [13, 14, 15], axis=1) # 添加一列