---
tid: 31n42i
title: 2d List
---

# 2d List

(date: 2025-11-01)

**难度**: 2

时长： 30 min

## List of Lists (混合结构)

如何创建这个 List ?

![](images/list-of-lists.png)


可以做到，但并不推荐！


## 列表如何嵌套和解套


![image](img/deep-list.png)

[放大](img/deep-list-ori.png)

视角从外层往内层 （从高层往低层)，对应括号从左往右。

```
x = [[1,2,3], 4]
```

### 练习

1.  修改值为3的元素，其新值改为6；
2.  把值为4的元素的值改为 (4，5，6)；
3.  现在值为5的元素是否能被修改成 10 ?



## 2d List (List of Lists)


![](images/list-of-lists-2d.jpg)


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

### 练习

1.  将第1行中的第2个元素修改为 10；
2.  将第2行中的第1个元素 *10；
3.  将第3行中的第3个元素 +10；
4.  将所有成员都乘以 2


## Numpy 2d Array

NumPy 是 Python 中用于科学计算的核心库，提供了高性能的多维数组对象。与 Python 的 2D List 相比，NumPy 数组在性能和功能上都有显著优势。

### 创建 NumPy 2D 数组

```python
import numpy as np

# 从列表创建 2D 数组
lst = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
arr = np.array(lst)
print(arr)
# 输出:
# [[1 2 3]
#  [4 5 6]
#  [7 8 9]]
```

### 基本操作示例

```python
# 创建相同的 3x3 数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 访问元素
print(arr[0, 1])    # 输出: 2 (第1行第2列)
print(arr[1, 0])    # 输出: 4 (第2行第1列)
print(arr[2, 2])    # 输出: 9 (第3行第3列)

# 修改元素
arr[0, 1] = 10      # 将第1行第2列改为10
arr[1, 0] *= 10     # 将第2行第1列乘以10
arr[2, 2] += 10     # 将第3行第3列加10
print(arr)
# 输出:
# [[ 1 10  3]
#  [40  5  6]
#  [ 7  8 19]]
```

### 数组运算

```python
# 创建相同的 3x3 数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 数学运算
print(arr + 10)     # 每个元素加10
print(arr * 2)      # 每个元素乘以2
print(arr ** 2)     # 每个元素平方

# 矩阵运算
print(arr.T)        # 转置矩阵
print(np.sum(arr))  # 所有元素求和
print(np.mean(arr)) # 所有元素平均值
```

## 2d List vs 2d Array

### 主要区别

| 特性 | 2D List | NumPy 2D Array |
|------|---------|----------------|
| **性能** | 较慢，适合小规模数据 | 快速，适合大规模数值计算 |
| **内存使用** | 较高，每个元素都是对象 | 较低，元素是原生数据类型 |
| **数据类型** | 可以混合类型 | 通常要求统一数据类型 |
| **运算支持** | 需要循环遍历 | 支持向量化运算 |
| **功能丰富度** | 基本操作 | 丰富的数学和科学计算函数 |

### 性能对比示例

```python
import numpy as np
import time

# 使用相同的 3x3 数据
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 2D List 运算
start = time.time()
result_list = []
for row in data:
    new_row = [x * 2 for x in row]
    result_list.append(new_row)
list_time = time.time() - start

# NumPy 数组运算
arr = np.array(data)
start = time.time()
result_arr = arr * 2
numpy_time = time.time() - start

print(f"2D List 耗时: {list_time:.6f}秒")
print(f"NumPy 数组耗时: {numpy_time:.6f}秒")
```

### 适用场景

**使用 2D List 的情况：**
- 数据量较小
- 需要混合数据类型
- 简单的数据结构操作
- 不需要复杂的数学运算

**使用 NumPy 2D Array 的情况：**
- 大规模数值计算
- 科学计算和数据分析
- 需要高性能的矩阵运算
- 机器学习算法实现

### 转换示例

```python
# 2D List 转 NumPy 数组
lst = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
arr = np.array(lst)

# NumPy 数组转 2D List
arr_back = arr.tolist()

print("原始列表:", lst)
print("NumPy 数组:", arr)
print("转换回列表:", arr_back)
```