Python一维数组创建有三类方式：列表适合通用场景，NumPy适用于数值计算，array模块节省内存；赋值时列表索引安全、NumPy支持视图切片、array严格索引检查。
Python里一维数组的创建和赋值看似简单，但实际用法灵活、场景多样。关键不在于“能不能做”，而在于“哪种方式更贴合当前需求”——比如是快速初始化、动态填充、类型严格控制，还是后续要参与数值计算。
用列表（list）快速上手
最轻量、最常用的方式，适合通用逻辑、小规模数据或原型开发：
- 直接写死：
arr = [1, 5, -2, 0, 9]—— 初始化即赋值，可读性强 - 批量填零：
arr = [0] * 10—— 创建长度为10的全零列表（注意：只适用于不可变元素） - 推导式生成：
arr = [i**2 for i in range(6)]→[0, 1, 4, 9, 16, 25] - 循环追加：
arr = []，再用for i in range(n): arr.append(value)—— 适合逻辑复杂、需条件判断的逐个赋值
用 NumPy 构建高效数值数组
当涉及数学运算、大数据量或与其他科学计算库协作时，NumPy 是首选。它支持向量化操作，且内存连续、类型明确：
- 从列表转换：
import numpy as np; arr = np.array([1, 2, 3]) - 预设值初始化：
np.zeros(5)、np.ones(4, dtype=int)、np.full(3, 7.5) - 等差序列：
np.arange(2, 12, 2)→[2 4 6 8 10]；np.linspace(0, 1, 5)→[0. 0.25 0.5 0.75 1.] - 函数生成：
np.fromfunction(lambda i: i*2 + 1, (5,), dtype=int)→[1 3 5 7 9]
用 array 模块节省内存
若处理大量同类型数值（如传感器采样点），且对内存敏感，标准库 array 比 list 更紧凑，比 NumPy 更轻量：
- 整数数组：
from array import array; arr = array('i', [1, 2, 3, 4])（'i' 表示有符号 int） - 浮点数组：
arr = array('d', [1.1, 2.2, 3.3])（'d' 表示 double） - 注意：不支持广播运算，也不能像 NumPy 那样直接
+ 1，需用循环或 map
赋值与修改的关键细节
不同结构对“赋值”的语义略有差异，容易踩坑：
- 列表索引赋值安全：
arr[2] = 99直接生效，不会报错（只要下标在范围内） - NumPy 数组支持切片赋值：
arr[1:4] = [-1, -2, -3]或arr[::2] = 0（所有偶数位设为 0） - NumPy 切片是视图（view），修改会影响原数组；列表切片是副本，修改不影响原列表
- 尝试给
array赋超出范围的索引会报IndexError，行为更接近传统数组
