如何将文本文件数据存入多维数组并按array(i,j)检索指定条目

嘿，针对你遇到的这种每行列数不一的多维数组行列检索问题，我给你几个实用的实现建议，你可以根据自己的业务场景来选：

1. 带边界检查的基础访问函数 #

直接通过array[row][col]访问很容易触发越界错误，所以最好写一个简单的包装函数，先做合法性检查，避免崩溃，还能返回自定义默认值：

def get_array_item(arr, target_row, target_col, default=None):
    # 注意：如果你习惯用1-based索引（比如第2行第3列），要转成编程语言常用的0-based
    adjusted_row = target_row - 1
    # 先检查行是否存在
    if adjusted_row < 0 or adjusted_row >= len(arr):
        return default
    target_row_data = arr[adjusted_row]
    adjusted_col = target_col - 1
    # 再检查列是否存在于该行
    if adjusted_col < 0 or adjusted_col >= len(target_row_data):
        return default
    return target_row_data[adjusted_col]

这个方案轻量灵活，适合偶尔需要检索的场景，不用修改原数组结构。

2. 标准化数组结构（补全缺失列） #

如果需要频繁按行列检索，建议先把所有行的列数统一，用默认值（比如None、空字符串）填充缺失的列，之后就能直接安全访问了：

# 先找到所有行中最多的列数
max_column_count = max(len(row) for row in arr) if arr else 0
# 标准化每一行，补全到最大列数
normalized_array = [row + [None] * (max_column_count - len(row)) for row in arr]

# 之后直接访问即可，不存在的位置会返回None
target_value = normalized_array[1][2]  # 对应第2行第3列（0-based索引）

这个方案一次性处理后，后续访问效率更高，适合需要多次检索的场景。

3. 封装成类管理（面向对象方案） #

如果你的项目逻辑比较复杂，可以把这个多维数组封装成一个类，提供更友好的访问接口，还能扩展其他功能：

class DynamicTable:
    def __init__(self, raw_data):
        self.raw_data = raw_data
        self.max_cols = max(len(row) for row in raw_data) if raw_data else 0

    def get_item(self, row_num, col_num, default=None):
        # 支持1-based索引
        row_idx = row_num - 1
        col_idx = col_num - 1
        # 检查行合法性
        if row_idx < 0 or row_idx >= len(self.raw_data):
            return default
        current_row = self.raw_data[row_idx]
        # 检查列合法性
        if col_idx < 0 or col_idx >= len(current_row):
            return default
        return current_row[col_idx]

    def get_normalized_item(self, row_num, col_num):
        # 返回标准化后的结果，缺失列用None填充
        row_idx = row_num - 1
        col_idx = col_num - 1
        if row_idx < 0 or row_idx >= len(self.raw_data):
            return None
        current_row = self.raw_data[row_idx]
        return current_row[col_idx] if col_idx < len(current_row) else None

使用的时候直接实例化类，调用方法就行，代码可读性和扩展性都很强。

4. 字典映射优化（如果有行标识） #

如果你的每行数据有唯一标识（比如第一列是ID），可以把数组转成字典，用行标识作为键，这样不仅能按行列检索，还能按行标识快速定位：

# 假设每行的第一个元素是唯一行标识
row_mapping = {row[0]: row for row in arr}

def get_by_row_id(row_id, col_num, default=None):
    target_row = row_mapping.get(row_id, [])
    adjusted_col = col_num - 1
    return target_row[adjusted_col] if 0 <= adjusted_col < len(target_row) else default

这个方案适合需要结合行标识进行检索的场景，定位效率更高。

内容的提问来源于stack exchange，提问作者Mohammad Hussain