现在我正在使用一个列表，并且期待类似：
verts = list (1000)
我应该改用数组吗？
【问题讨论】：
我首先想到的是：
verts = [None]*1000
但是你真的需要预初始化它吗？
【讨论】：
a=[[]]*2; a[0].append('foo'); 现在检查 a[1]，你会感到震惊。相比之下，a=[[] for k in range(2)] 工作正常。
如果不了解问题域的更多信息，就很难回答您的问题。 除非您确定需要做更多的事情，否则初始化列表的 Pythonic 方法是：
顶点 = []您真的看到了性能问题吗？如果是这样，性能瓶颈是什么？ 不要试图解决你没有的问题。将数组动态填充到 1000 个元素的性能成本可能与您真正尝试编写的程序完全无关。
如果列表中的事物总是特定的原始固定长度类型（例如 char、int、float），则数组类很有用。但是，它也不需要预初始化。
【讨论】：
您应该考虑使用dict 类型而不是预初始化列表。字典查找的成本很小，与访问任意列表元素的成本相当。
当使用映射时，您可以编写：
aDict = {}
aDict[100] = fetchElement()
putElement(fetchElement(), fetchPosition(), aDict)
putElement 函数可以将项目存储在任何给定位置。而且，如果您需要检查您的集合是否包含给定索引处的元素，则编写更加 Pythonic：
if anIndex in aDict:
print "cool!"
比：
if not myList[anIndex] is None:
print "cool!"
因为后者假定集合中没有任何真实元素可以是None。如果发生这种情况 - 你的代码行为不端。
如果您迫切需要性能，这就是您尝试预初始化变量并编写尽可能快的代码的原因 - 更改您的语言。最快的代码不能用 Python 编写。您应该改用 C 并实现包装器以从 Python 调用您预初始化和预编译的代码。
【讨论】：
你可以这样做：
verts = list(xrange(1000))这将为您提供一个包含 1000 个大小的元素的列表，并且恰好使用 0-999 的值进行初始化。正如list 首先执行__len__ 来确定新列表的大小，它应该是相当有效的。
【讨论】：
不太清楚为什么每个人都让你很难做到这一点 - 有几种情况你需要一个固定大小的初始化列表。您已经正确推断出数组在这些情况下是合理的。
import array
verts=array.array('i',(0,)*1000)
对于非 pythonistas，(0,)*1000 术语正在创建一个包含 1000 个零的元组。逗号强制 python 将(0) 识别为一个元组，否则它将被评估为 0。
我使用元组而不是列表，因为它们通常具有较低的开销。
【讨论】：
一个明显但可能不是有效的方法是
verts = [0 for x in range(1000)]
请注意，这可以很容易地扩展到二维。 例如，要获得一个 10x100 的“数组”，您可以这样做
verts = [[0 for x in range(100)] for y in range(10)]
【讨论】：
想要初始化一个固定大小的数组在任何编程语言中都是完全可以接受的；这不像程序员想要在 while(true) 循环中放置一个 break 语句。相信我，特别是如果元素只是要被覆盖而不仅仅是添加/减去，就像许多动态编程算法的情况一样，你不想弄乱附加语句并检查元素是否没有被已在运行中初始化（有很多代码）。
object = [0 for x in range(1000)]
这将适用于程序员试图实现的目标。
【讨论】：
@Steve 已经很好地回答了你的问题：
verts = [None] * 1000
警告：正如@Joachim Wuttke 指出的，列表必须使用不可变元素进行初始化。 [[]] * 1000 无法按预期工作，因为您将获得一个包含 1000 个相同列表的列表（类似于 C 中相同列表的 1000 个点的列表）。像 int、str 或 tuple 这样的不可变对象就可以了。
调整列表大小很慢。以下结果并不令人惊讶：
>>> N = 10**6
>>> %timeit a = [None] * N
100 loops, best of 3: 7.41 ms per loop
>>> %timeit a = [None for x in xrange(N)]
10 loops, best of 3: 30 ms per loop
>>> %timeit a = [None for x in range(N)]
10 loops, best of 3: 67.7 ms per loop
>>> a = []
>>> %timeit for x in xrange(N): a.append(None)
10 loops, best of 3: 85.6 ms per loop
但如果您没有非常大的列表，则调整大小不会很慢。与其使用单个元素（例如None）和固定长度来初始化列表以避免列表大小调整，不如考虑使用列表推导并直接用正确的值填充列表。例如：
>>> %timeit a = [x**2 for x in xrange(N)]
10 loops, best of 3: 109 ms per loop
>>> def fill_list1():
"""Not too bad, but complicated code"""
a = [None] * N
for x in xrange(N):
a[x] = x**2
>>> %timeit fill_list1()
10 loops, best of 3: 126 ms per loop
>>> def fill_list2():
"""This is slow, use only for small lists"""
a = []
for x in xrange(N):
a.append(x**2)
>>> %timeit fill_list2()
10 loops, best of 3: 177 ms per loop
对于庞大的数据集，numpy 或其他优化的库要快得多：
from numpy import ndarray, zeros
%timeit empty((N,))
1000000 loops, best of 3: 788 ns per loop
%timeit zeros((N,))
100 loops, best of 3: 3.56 ms per loop
【讨论】：
这个：
lst = [8 for i in range(9)]
创建一个列表，初始化元素 8
但是这个：
lst = [0] * 7
将创建 7 个包含一个元素的列表
【讨论】：
[0] * 7 计算结果为 [0, 0, 0, 0, 0, 0, 0]，这是一个包含 7 个元素的列表。或者您是在描述一些非常旧版本的 Python 的行为吗？
mylist = [0] * 4，然后mylist[0] = 12之后，mylist返回[12, 0, 0, 0]