最好的办法是使用numpy库。

from numpy import ndarray

a = ndarray((5,),int)

如果你正在使用字节，你可以使用内置的bytearray。如果使用其他整型，请查看内置数组。

明确地理解列表不是数组。

例如，如果你试图创建一个缓冲区来读取文件内容，你可以使用bytearray，如下所示(还有更好的方法，但这个例子是有效的):

with open(FILENAME, 'rb') as f:
    data = bytearray(os.path.getsize(FILENAME))
    f.readinto(data)

在这个代码片段中，bytearray内存被预先分配为固定长度的FILENAMEs大小(以字节为单位)。这种预分配允许使用缓冲区协议更有效地将文件读入可变缓冲区，而无需复制数组。还有更好的方法来做到这一点，但我相信这为你的问题提供了一个答案。

最好的办法是使用numpy库。

from numpy import ndarray

a = ndarray((5,),int)

>>> n = 5                     #length of list
>>> list = [None] * n         #populate list, length n with n entries "None"
>>> print(list)
[None, None, None, None, None]

>>> list.append(1)            #append 1 to right side of list
>>> list = list[-n:]          #redefine list as the last n elements of list
>>> print(list)
[None, None, None, None, 1]

>>> list.append(1)            #append 1 to right side of list
>>> list = list[-n:]          #redefine list as the last n elements of list
>>> print(list)
[None, None, None, 1, 1]

>>> list.append(1)            #append 1 to right side of list
>>> list = list[-n:]          #redefine list as the last n elements of list
>>> print(list)
[None, None, 1, 1, 1]

或者一开始就什么都没有:

>>> n = 5                     #length of list
>>> list = []                 # create list
>>> print(list)
[]

>>> list.append(1)            #append 1 to right side of list
>>> list = list[-n:]          #redefine list as the last n elements of list
>>> print(list)
[1]

在append的第4次迭代中:

>>> list.append(1)            #append 1 to right side of list
>>> list = list[-n:]          #redefine list as the last n elements of list
>>> print(list)
[1,1,1,1]

5及所有后续:

>>> list.append(1)            #append 1 to right side of list
>>> list = list[-n:]          #redefine list as the last n elements of list
>>> print(list)
[1,1,1,1,1]

为什么这些问题没有得到显而易见的答案呢?

a = numpy.empty(n, dtype=object)

这将创建一个长度为n的数组，用于存储对象。它不能被调整大小或追加。特别是，它不会因为填充长度而浪费空间。这是Python中与Java相同的部分

Object[] a = new Object[n];

如果你真的对性能和空间感兴趣，并且知道你的数组只存储某些数值类型，那么你可以将dtype参数更改为其他一些值，比如int。然后numpy将这些元素直接打包到数组中，而不是使数组引用int对象。

>>> import numpy
>>> x = numpy.zeros((3,4))
>>> x
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])
>>> y = numpy.zeros(5)   
>>> y
array([ 0.,  0.,  0.,  0.,  0.])

X是二维数组，y是一维数组。它们都是0初始化的。