应该没那么难。我的意思是在 C 中，
int a[10];
就是你所需要的。如何为随机大小创建一个全零数组。我知道 NumPy 中的 zeros() 函数，但必须有一个简单的内置方法，而不是另一个模块。
【问题讨论】：
>>> a = [0] * 10
>>> a
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
【讨论】：
a = 10 * [0]
给你一个长度为 10 的数组，用零填充。
【讨论】：
两种方式：
x = [0] * 10
x = [0 for i in xrange(10)]
编辑：将range 替换为xrange 以避免创建另一个列表。
另外：正如包括 Pi 和 Ben James 在内的许多其他人所指出的，这会创建一个 list，而不是 Python 数组。虽然列表在许多情况下足够且容易，但对于性能关键用途（例如，当在数千个对象中重复时），您可以查看 python 数组。查找 array 模块，如本帖其他答案中所述。
【讨论】：
a = [[1]]*3; a[1].append(2)。因此，附加到a[1] 将真正改变a 的所有项目并给你[[1,2],[1,2],[1,2]]。
xrange 替换回 range
如果您对列表不满意（因为它们可以包含任何内容并占用太多内存），您可以使用高效的整数数组：
import array
array.array('i')
见here
如果需要初始化，
a = array.array('i',(0 for i in range(0,10)))
【讨论】：
memset 相比效率低下。
使用 array 模块。有了它，您可以高效地存储相同类型的集合。
>>> import array
>>> import itertools
>>> a = array_of_signed_ints = array.array("i", itertools.repeat(0, 10))
更多信息 - 例如不同类型，看the documentation of the array module。对于多达 100 万个条目，这应该会让人感觉非常快。对于 1000 万个条目，我的本地机器思考 1.5 秒。
array.array 的第二个参数是一个generator，它在读取时构造定义的序列。这样，数组模块可以一个一个地消耗零，但生成器只使用常量内存。如果序列变长，这个生成器不会变大（内存方面）。数组当然会增长，但这应该很明显。
您可以像使用列表一样使用它：
>>> a.append(1)
>>> a.extend([1, 2, 3])
>>> a[-4:]
array('i', [1, 1, 2, 3])
>>> len(a)
14
...或者简单地将其转换为列表：
>>> l = list(a)
>>> len(l)
14
令人惊讶
>>> a = [0] * 10000000
构造速度比数组方法快。去搞清楚！ :)
【讨论】：
import random
def random_zeroes(max_size):
"Create a list of zeros for a random size (up to max_size)."
a = []
for i in xrange(random.randrange(max_size)):
a += [0]
如果您使用的是 Python 3.x，请改用 range。
【讨论】：
如果您需要快速初始化一个数组，您可以通过块而不是使用生成器初始化器来完成它，它会更快。通过[0]*count 创建列表同样快。
import array
def zerofill(arr, count):
count *= arr.itemsize
blocksize = 1024
blocks, rest = divmod(count, blocksize)
for _ in xrange(blocks):
arr.fromstring("\x00"*blocksize)
arr.fromstring("\x00"*rest)
def test_zerofill(count):
iarr = array.array('i')
zerofill(iarr, count)
assert len(iarr) == count
def test_generator(count):
iarr = array.array('i', (0 for _ in xrange(count)))
assert len(iarr) == count
def test_list(count):
L = [0]*count
assert len(L) == count
if __name__ == '__main__':
import timeit
c = 100000
n = 10
print timeit.Timer("test(c)", "from __main__ import c, test_zerofill as test").repeat(number=n)
print timeit.Timer("test(c)", "from __main__ import c, test_generator as test").repeat(number=n)
print timeit.Timer("test(c)", "from __main__ import c, test_list as test").repeat(number=n)
结果：
(array in blocks) [0.022809982299804688, 0.014942169189453125, 0.014089107513427734]
(array with generator) [1.1884641647338867, 1.1728270053863525, 1.1622772216796875]
(list) [0.023866891860961914, 0.035660028457641602, 0.023386955261230469]
【讨论】：
array.array('i', [0]) * count，因为它可以直接分配确切的内存大小而无需重新分配，也无需大的临时列表。见stackoverflow.com/a/3216322/448474
import numpy as np
new_array=np.linspace(0,10,11).astype('int')
创建数组时转换类型的替代方法。
【讨论】：