Python中列表可作数组使用，支持索引访问与动态扩容；需高效数值计算时推荐NumPy数组，内存敏感且同类型数据可用array模块，三者依场景转换使用。
Python 中的“列表”本身就可以当作数组来使用，因为它支持存储多个元素、通过索引访问，并且可以动态调整大小。虽然 Python 没有内置传统意义上的数组（如 C 或 Java 中的固定类型数组），但 list 是最常用的数据结构，也可以结合 array 模块 或 NumPy 库 实现更高效的数组操作。下面介绍几种常见用法。
1. 列表作为基础数组使用
Python 列表可以直接用来模拟一维数组：
- 创建列表： my_list = [1, 2, 3, 4, 5]
- 通过索引访问： print(my_list[0]) # 输出 1
- 修改元素： my_list[2] = 10
- 遍历： for item in my_list: print(item)
这种方式灵活，适合存储不同类型的数据，但在数值计算中效率较低。
2. 使用 array 模块处理同类型数据
如果需要更节省内存的数组结构，可以使用 Python 自带的 array 模块，它只能存储相同类型的数值数据。
立即学习“Python免费学习笔记（深入）”；
from array import array创建一个整数数组
arr = array('i', [1, 2, 3, 4, 5]) arr.append(6) # 添加元素 print(arr[0]) # 访问第一个元素
这里 'i' 表示有符号整数类型。array 模块适合对性能和内存有要求但不想引入外部依赖的场景。
3. 使用 NumPy 数组进行科学计算
在实际开发中，尤其是涉及数学运算、矩阵操作或大数据时，推荐使用 NumPy 的 ndarray。
import numpy as np从列表创建数组
my_array = np.array([1, 2, 3, 4, 5])
数学运算
my_array += 10 # 所有元素加10
创建二维数组（类似二维列表）
matrix = np.array([[1, 2], [3, 4]])
索引与切片
print(my_array[0]) print(matrix[0, 1])
NumPy 数组比列表更快，支持广播、向量化操作，是数据分析和机器学习中的标准工具。
4. 列表与数组之间的转换
经常需要在列表和数组之间互相转换：
# 列表转 NumPy 数组 lst = [1, 2, 3] arr = np.array(lst)NumPy 数组转回列表
new_list = arr.tolist()
array 模块转换
import array py_array = array.array('d', [1.0, 2.0, 3.0]) list_from_array = list(py_array)
这种转换非常方便，可以在不同场景下自由切换数据结构。
基本上就这些。根据需求选择：普通操作用列表，数值计算用 NumPy，轻量级同类型数据可用 array 模块。不复杂但容易忽略的是类型限制和性能差异。合理结合使用，能写出高效又清晰的代码。
