HOWTO · Python

Como criar uma lista com um tamanho específico em Python

Este tutorial mostra como criar uma lista com um tamanho específico em Python

Nesta página

Use [value] * size para criar uma lista com a quantidade desejada de elementos quando todas as posições devem começar com o mesmo valor. Por exemplo, [None] * 4 cria uma lista com quatro elementos. Listas em Python armazenam referências a objetos, portanto essa expressão inicializa quatro entradas; ela não reserva quatro posições sem inicialização. Escolha o valor inicial de acordo com o que cada posição deve conter.

Criar uma lista de tamanho fixo

Veja um exemplo completo que cria uma lista com quatro entradas inicializadas com None:

O código e os rótulos ou saídas exibidos nesta seção permanecem em inglês.

size = 4
items = [None] * size
print(len(items), items)
4 [None, None, None, None]

A lista tem comprimento size, e cada entrada aponta para o objeto único None. Substitua uma entrada atribuindo um valor ao índice correspondente, como em items[0] = "ready". Se a lista precisar manter o mesmo comprimento, atribua valores aos índices existentes em vez de adicionar ou remover elementos; as listas do Python continuam podendo ser redimensionadas.

A repetição é concisa quando é seguro compartilhar o valor inicial. Tenha cuidado com valores mutáveis: [[]] * 3 coloca três referências à mesma lista interna na lista externa. Portanto, uma alteração feita por uma posição também será visível pelas outras. Para criar uma lista distinta em cada posição, use uma compreensão, como [[] for _ in range(3)]. Uma compreensão também é útil quando cada valor inicial depende do índice, por exemplo, [index * 2 for index in range(size)].

Um laço com append é outra opção quando a construção de cada elemento exige várias etapas: comece com items = [] e acrescente um valor a cada iteração. Use repetição para um valor inicial imutável compartilhado, como None; uma compreensão para valores construídos ou calculados de forma independente; e um laço quando ele tornar mais clara uma construção com várias etapas. Esses padrões diferem no trabalho e na alocação que exigem, então medições antigas feitas em uma máquina específica não devem ser tratadas como uma classificação universal de velocidade. Se o desempenho for importante, compare as alternativas com entradas representativas no ambiente Python usado pelo seu programa. Este script timeit repete cada construção 100 vezes, informa o menor tempo entre três execuções e mostra os segundos por construção; os resultados descrevem somente aquela execução e aquele ambiente:

import timeit

size = 100
number = 100
cases = {
    "repetition": "[None] * size",
    "comprehension": "[None for _ in range(size)]",
}

for name, statement in cases.items():
    runs = timeit.repeat(
        statement,
        globals={"size": size},
        number=number,
        repeat=3,
    )
    print(f"{name}: {min(runs) / number:.9f} seconds per construction")

Para comparar uma tarefa diferente, altere os valores, o tamanho e as expressões de construção para corresponder ao trabalho realizado pelo seu programa. Não trate os tempos obtidos em uma máquina como uma classificação geral.

Usar array.array para valores numéricos tipados

Uma lista comum pode conter valores de tipos diferentes e armazena referências a objetos Python. O array.array da biblioteca padrão é uma sequência tipada, destinada a armazenar valores numéricos compactos de um dos tipos compatíveis. Por exemplo, array('i', [0] * 4) cria quatro entradas inteiras; primeiro, importe array do módulo array. O código de tipo restringe os valores que podem ser armazenados, portanto essa estrutura não substitui diretamente uma lista que precisa conter objetos variados ou valores Python em geral. Escolha-a quando uma sequência numérica tipada for adequada aos dados e às operações necessárias.

Usar NumPy para grandes arrays numéricos

Para cálculos numéricos que se beneficiam de operações de array sobre muitos valores, NumPy oferece o tipo ndarray. numpy.zeros(4) cria um array inicializado com zeros, enquanto numpy.empty(4) aloca um array sem inicializar seus elementos. Os valores retornados por empty são indefinidos; atribua um valor a cada elemento antes de lê-lo. Isso não significa “criar um array preenchido com zeros”. NumPy é útil quando seu modelo de dados numéricos e suas operações de array são adequados à tarefa, mas adiciona uma dependência e não é necessário apenas para criar uma lista Python curta.

Em resumo, use [None] * size quando todas as posições da lista devem apontar inicialmente para None; uma compreensão quando as posições precisam de valores distintos ou calculados; array.array para uma sequência numérica adequada de um único tipo; e NumPy quando operações com arrays numéricos forem úteis. A escolha certa depende dos valores e das operações de que seu programa precisa, não de um limite fixo de tamanho nem de resultados de desempenho obtidos em outro ambiente.