Python 列表大小：在 Python 中查找列表长度的 8 种方法

Python 列表是用于存储和操作项目集合的基础数据结构。它们灵活易用，几乎适用于从数据分析到 Web 开发的各种编程任务。鉴于其广泛使用，一个常见需求就是确定列表的大小。虽然众所周知可以使用 len() 函数，但凭借 Python 丰富的语法和库支持，还有多种实现途径，每种都有各自的细微差别与应用场景。本文将探讨其中八种方法，并分析其原理与效率。

为什么 Python 列表很重要？

Python 中的列表是可动态调整大小的数组，能容纳多种数据类型，是存储与处理数据的多面手。它们便于执行迭代、切片等操作，并提供诸如 append()、remove()、sort() 等内置方法以进行丰富的操作。您可以在本教程中进一步了解列表操作。

如何在 Python 中定义列表

在本教程中，我们将使用一个简单的列表演示每种方法。考虑如下定义的列表 my_list：

# Define a sample list to be used throughout the tutorial
my_list = ["I", "Love", "Learning", "Python"]技术支持

这个列表虽简单，却非常适合用来演示确定长度的各种技巧。

查找 Python 列表大小的 8 种方法

1. 使用 `len()` 函数获取列表大小

len() 函数是确定列表大小最直接的方法。不仅简洁，而且高效，是大多数场景的首选。

# Use len() to find the size of the list
length = len(my_list)
print(length)  # Output: 4技术支持

2. 使用 for 循环获取列表大小

这种常被称为“朴素方法”的做法，是通过初始化一个计数器，并在遍历列表的 for 循环中对每个元素递增计数。您可以在本教程中进一步了解 for 循环和其他类型的循环。

# Naive method using a for loop to count the list's size
counter = 0
for item in my_list:
    counter += 1
print(counter)  # Output: 4技术支持

3. 使用列表推导式获取列表大小

Python 的列表推导式提供了简洁的列表操作语法。这里我们结合 sum() 函数来计数元素个数。

# Using list comprehension to count the list's size
length = sum([1 for item in my_list])
print(length)  # Output: 4技术支持

4. 使用 `reduce()` 获取列表大小

reduce() 功能更进阶也更强大。它会从左到右将一个二元函数依次作用于序列元素，从而将序列归约为一个值。针对我们的目标，可以用它来统计列表中的元素数量。

为便于理解，我们将其分解为两步：

定义一个简单函数：先定义一个接收两个参数的函数：当前计数（记为 count_so_far）和列表中的某个元素（命名为 _，表示我们并不实际使用它）。
使用 reduce()：然后用 reduce() 将该函数应用到列表的每个元素上，实现逐个计数。

# Import the reduce function from the functools module
from functools import reduce

# Define a simple function to use with reduce
def update_count(count_so_far, _):
    """Increases the count by 1. The second parameter is not used."""
    return count_so_far + 1

# Use reduce to count the items in the list
# We start counting from 0, which is why we have '0' at the end
list_length = reduce(update_count, my_list, 0)

# Print out the result
print(list_length)  # Output will be 4技术支持

5. 使用 `iter()` 和 `next()` 获取列表大小

要理解如何用 iter() 和 next() 统计列表元素，需要先了解迭代器。迭代器是 Python 中按顺序逐个访问列表元素的对象。iter() 可将列表转换为迭代器，next() 则用于取下一个元素。

步骤如下：

创建迭代器：使用 iter() 将列表转换为迭代器，以便逐个访问。
用循环计数：设置一个循环，直到没有更多元素为止。在循环中用 next() 取下一个元素，每成功取到一个元素就将计数加 1。
处理列表末尾：当到达列表末尾，next() 会触发 StopIteration 异常，表明没有更多元素。我们在 try/except 中捕获该异常并停止计数。

以下是带注释的简化代码，帮助理解每一步：

# Step 1: Turn the list into an iterator
list_iterator = iter(my_list)

# Initialize a counter to keep track of the number of items
count = 0

# Step 2: Loop through the list using the iterator
while True:
    try:
        # Use next() to get the next item from the iterator
        next(list_iterator)
        
        # If next() was successful, increase the count
        count += 1
    except StopIteration:
        # Step 3: If we reach the end of the list, break out of the loop
        break

# Print out the total count of items in the list
print(count)  # Output will be 4技术支持

6. 使用 enumerate() 获取列表大小

enumerate() 会为可迭代对象添加计数器，并返回一个enumerate 对象。它常用于循环中同时获得索引和值。尽管 enumerate() 并非常用来获取列表大小，但我们可以借此展示 Python 的灵活性。

# Step 1: Enumerate the list and convert it to a list of tuples (index, element)
enumerated_list = list(enumerate(my_list))

# Step 2: Extract the last tuple (which contains the last index and the last element)
last_tuple = enumerated_list[-1]

# Step 3: The size of the list is the last index plus 1 (because of zero-based indexing)
list_size = last_tuple[0] + 1

# Print out the size of the list
print(list_size)  # Output will be 4技术支持

7. 使用 NumPy 获取列表大小

NumPy 是 Python 中功能强大的科学计算库，支持大型多维数组与矩阵，并提供丰富的数学函数来处理这些数组。对数值数据进行处理时，NumPy 提供了高效的存储与运算能力，因而不可或缺。要用 NumPy 获取 Python 列表的大小，我们可以使用 .size 属性，如下所示。

# Import the NumPy library
import numpy as np

# Step 1: Convert the list into a NumPy array
my_array = np.array(my_list)

# Step 2: Use the 'size' attribute of the NumPy array to find its size
array_size = my_array.size

# Print out the size of the array (which is the same as the length of the list)
print(array_size)  # Output will be 4技术支持

8. 使用 `map()` 和 `sum()` 获取列表大小

与列表推导式类似，此方法用 map() 将一个对每个元素都返回 1 的函数作用于列表，再借助 sum() 聚合这些值以统计元素个数。该方法需要您熟悉 Python 的 lambda 函数。想要快速入门，请查看这篇Python lambda 教程。

# Using map() and sum() to count the list's size
length = sum(map(lambda x: 1, my_list))
print(length)  # Output: 4技术支持

比较不同 Python 列表大小方法的性能

了解这八种方法是一回事，挑选最佳方法是另一回事。为比较上述方法的性能，我们将使用 Python 的 timeit 模块来对小段代码进行计时，从而直观了解各方法在执行速度上的差异。请注意，执行时间可能因您的机器或运行环境而异。

实验设置

为便于操作，我们先定义列表以及各方法对应的函数。即使您不熟悉函数也没关系，我们只是将不同方法系统化，方便对比。

import timeit
from functools import reduce
import numpy as np

# Define the list
my_list = ["I", "Love", "Learning", "Python"] * 100  # Increased size for better statistical signifcance

# Method 1: Using len()
def method_len():
    return len(my_list)

# Method 2: Looping through the list
def method_loop():
    counter = 0
    for _ in my_list:
        counter += 1
    return counter

# Method 3: Using a list comprehension
def method_list_comprehension():
    return sum([1 for _ in my_list])

# Method 4: Using reduce()
def method_reduce():
    return reduce(lambda acc, _: acc + 1, my_list, 0)

# Method 5: Using iter() and next()
def method_iter_next():
    iterator = iter(my_list)
    counter = 0
    while True:
        try:
            next(iterator)
            counter += 1
        except StopIteration:
            break
    return counter

# Method 6: Using enumerate()
def method_enumerate():
    return max(enumerate(my_list, 1))[0]

# Method 7: Using numpy
def method_numpy():
    np_array = np.array(my_list)
    return np_array.size

# Method 8: Using map() and sum()
def method_map_sum():
    return sum(map(lambda _: 1, my_list))技术支持

为每种方法计时

接下来，我们使用 timeit.timeit() 按既定顺序为每个函数计时：

# List to hold method names and their execution times
timing_results = []

methods = [method_len, method_loop, method_list_comprehension, method_reduce, 
           method_iter_next, method_enumerate, method_numpy, method_map_sum]

# Time each method
for method in methods:
 # Execute the operation 100000 times for better statistical significance  
    time_taken = timeit.timeit(method, number=100000)
    timing_results.append((method.__name__, time_taken))

# Sort results by time taken for better readability
timing_results.sort(key=lambda x: x[1])

# Print the timing results
for method_name, time_taken in timing_results:
    print(f"{method_name}: {time_taken:.5f} seconds")技术支持

在 DataLab 中运行后，我们得到如下结果：

方法	耗时
`len()` 方法	0.03410 seconds
列表推导式方法	1.50325 seconds
for 循环方法	1.93764 seconds
`enumerate()` 方法	2.26446 seconds
`map()` 与 `sum()` 方法	2.41315 seconds
`iter()` 与 `next()` 方法	3.08434 seconds
`reduce()` 方法	4.41239 seconds
numpy 方法	10.61716 seconds

结论

总的来说，本文探讨的多种在 Python 中获取列表大小的方法，不仅展示了 Python 语言的多样性与强大能力，也强调了理解不同方法效率与适用场景的重要性。

对于初学者而言，建议从最直接高效的方法入手，例如内置的 len()，它在性能与可读性方面都表现出色。若想进一步学习列表相关内容，请参考以下资源：

作者

Adel Nehme

Adel 是一位数据科学教育者、演讲者，以及 DataCamp 的媒体副总裁。他推出了多门关于数据分析、机器学习和数据工程的课程与直播培训，热衷于在组织内推广数据技能与数据素养，并关注技术与社会的交汇。他拥有数据科学与商业分析硕士学位。闲暇时，您常能发现他陪他的猫 Louis 一起玩耍。

主题

Python

主题

技术

Python 列表大小：在 Python 中查找列表长度的 8 种方法

使用 AI 探索

为什么 Python 列表很重要？

如何在 Python 中定义列表

查找 Python 列表大小的 8 种方法

1. 使用 `len()` 函数获取列表大小

2. 使用 for 循环获取列表大小

3. 使用列表推导式获取列表大小

4. 使用 `reduce()` 获取列表大小

5. 使用 `iter()` 和 `next()` 获取列表大小

6. 使用 enumerate() 获取列表大小

7. 使用 NumPy 获取列表大小

8. 使用 `map()` 和 `sum()` 获取列表大小

比较不同 Python 列表大小方法的性能

实验设置

为每种方法计时

结论

主题

今天就开启您的 Python 之旅！

Python 数据基础

Python 金融入门

Python 开发人员

主题

技术

今天就开启您的 Python 之旅！

Python 数据基础

Python 金融入门

Python 开发人员

为什么 Python 列表很重要？

如何在 Python 中定义列表

查找 Python 列表大小的 8 种方法

1. 使用 len() 函数获取列表大小

2. 使用 for 循环获取列表大小

3. 使用列表推导式获取列表大小

4. 使用 reduce() 获取列表大小

5. 使用 iter() 和 next() 获取列表大小

6. 使用 enumerate() 获取列表大小

7. 使用 NumPy 获取列表大小

8. 使用 map() 和 sum() 获取列表大小

比较不同 Python 列表大小方法的性能

实验设置

为每种方法计时

结论

主题

今天就开启您的 Python 之旅！

Python 数据基础

Python 金融入门

Python 开发人员

今天就开启您的 Python 之旅！

Python 数据基础

Python 金融入门

Python 开发人员

1. 使用 `len()` 函数获取列表大小

4. 使用 `reduce()` 获取列表大小

5. 使用 `iter()` 和 `next()` 获取列表大小

8. 使用 `map()` 和 `sum()` 获取列表大小