当前位置：首页 > news >正文

Python内置模块：array

news 2025/10/29 23:11:47

1. 模块概述

1.1 什么是array模块

array模块是Python标准库中的一个内置模块，它提供了一种高效存储基本数据类型（如整数、浮点数）的序列结构。与列表(list)相比，array在存储单一数据类型时更加紧凑，内存占用更小，性能更高。

原理：array模块底层使用C语言的数组实现，所有元素必须是相同类型，这使得它在内存中是连续存储的，访问速度更快

1.2 为什么使用array

内存效率：存储相同数量的数据时，array比list占用更少内存
性能优势：数值计算操作比list更快
类型安全：确保数组中所有元素类型一致
二进制数据交互：方便与C/C++代码或二进制文件交互

1.3 适用场景举例

需要处理大量数值数据
内存受限的环境
需要与C/C++代码交互
处理二进制数据文件

2. 类型码

2.1 类型码表

array模块使用单字符类型码来指定数组中元素的类型。以下是完整的类型码表

类型码	Python 类型	最小字节数	备注
'b'	int	1	有符号字节
'B'	int	1	无符号字节
'u'	Unicode字符	2/4	Python 3.3+不推荐
'w'	Unicode字符	4	推荐替代'u'
'h'	int	2	有符号短整数
'H'	int	2	无符号短整数
'i'	int	2	有符号整数
'I'	int	2	无符号整数
'l'	int	4	有符号长整数
'L'	int	4	无符号长整数
'q'	int	8	有符号长长整数
'Q'	int	8	无符号长长整数
'f'	float	4	单精度浮点数
'd'	float	8	双精度浮点数

2.2 类型码选择建议

1. 根据数据范围选择整数类型：

小范围整数(0-255)：'B'或'b'
中等范围整数：'h'或'H'
大整数：'l'、'L'、'q'或'Q'

2. 浮点数选择：

一般精度：'f'
高精度：'d'

3. Unicode字符：

推荐使用'w'而非'u'，因为'u'将在Python 3.16中移除

3. 创建和初始化array

3.1 array构造函数

class array.array(typecode[, initializer])

参数：

typecode：指定数组元素类型的单字符代码
initializer：可选，初始化数组的数据，可以是：

bytes或bytearray对象
Unicode字符串（仅适用于'u'或'w'类型码）
可迭代对象（列表、元组等）

返回值：返回一个新的array对象

3.2 创建array的多种方式

3.2.1 创建空数组

import array# 创建空整数数组
int_arr = array.array('i')
print(int_arr)# 创建空浮点数数组
float_arr = array.array('f')
print(float_arr)

3.2.2 从列表初始化

import array# 从列表创建整数数组
numbers = array.array('i', [1,2,3,4,5])
print(numbers)# 从列表创建浮点数数组
temps = array.array('f', [23.5,27.8,19.2])
print(temps)

3.2.3 从bytes/bytearray初始化

import array# 从bytes创建数组
data = b'\x01\x00\x00\x00\x02\x00\x00\x00'  # 两个32位整数
int_arr = array.array('i', data)
print(int_arr)# 从bytearray创建
byte_data = bytearray(b'\x01\x02\x03\x04')
byte_arr = array.array('B', byte_data)
print(byte_arr)

3.2.4 从Unicode字符串初始化

import array# 创建Unicode字符数组
text = array.array('w', '你好Python')
print(text)

3.3 注意事项

类型一致性：所有元素必须是相同类型
类型转换：初始化时会自动尝试将元素转换为指定类型
错误处理：类型不匹配会引发TypeError
内存分配：数组大小固定后，内存连续分配

4. array基本操作

4.1 访问元素

array支持所有序列操作，包括索引、切片等。

import arraynumbers = array.array('i', [10, 20, 30, 40, 50])# 索引访问
print(numbers[0])  # 10
print(numbers[-1])  # 50# 切片操作
print(numbers[1:3])  # array('i', [20, 30])
print(numbers[:3])  # array('i', [10, 20, 30])
print(numbers[3:])  # array('i', [40, 50])# 修改元素
numbers[0] = 100
print(numbers)  # array('i', [100, 20, 30, 40, 50])

4.2 添加元素

4.2.1 append()方法

功能：在数组末尾添加一个元素

import arrayarr = array.array('d')
arr.append(3.14)
arr.append(2.71)
print(arr)  # array('f', [3.14, 2.71])

4.2.2 extend()方法

功能：从可迭代对象添加多个元素

import arrayarr = array.array('i', [1, 2, 3])
arr.extend([4, 5, 6])
print(arr)  # array('i', [1, 2, 3, 4, 5, 6])# 也可以扩展另一个array，但类型必须匹配
other = array.array('i', [7, 8])
arr.extend(other)
print(arr)  # array('i', [1, 2, 3, 4, 5, 6, 7, 8])

4.2.3 insert()方法

功能：在指定位置插入元素

import arrayarr = array.array('B', [1, 2, 4, 5])
arr.insert(2, 3)  # 在索引2处插入3
print(arr)  # array('B', [1, 2, 3, 4, 5])

4.3 删除元素

4.3.1 pop()方法

功能：移除并返回指定位置的元素

import arrayarr = array.array('i', [10, 20, 30, 40])
print(arr.pop())  # 40 (默认移除最后一个)
print(arr.pop(0))  # 10 (移除第一个)
print(arr)  # array('i', [20, 30])

4.3.2 remove()方法

功能：移除第一个匹配的元素

import arrayarr = array.array('i', [1, 2, 3, 2, 4])
arr.remove(2)  # 移除第一个2
print(arr)  # array('i', [1, 3, 2, 4])

4.3.3 clear()方法

功能：清空数组（Python 3.13+）　　

import arrayarr = array.array('d', [1.1, 2.2, 3.3])
arr.clear()
print(arr)  # array('d')

import arrayarr = array.array('d', [1.1, 2.2, 3.3])
arr = array.array('d')  # 创建一个新的空数组
print(arr)  # array('d')arr = array.array('d', [1.1, 2.2, 3.3])
del arr[:]  # 删除数组中的所有元素
print(arr)  # array('d')arr = array.array('d', [1.1, 2.2, 3.3])
while len(arr) > 0:arr.pop()  # 逐个删除元素
print(arr)  # array('d')arr = array.array('d', [1.1, 2.2, 3.3])
arr[:] = []  # 使用切片赋值清空数组
print(arr)  # array('d')

4.4 其他常用操作

4.4.1 count()方法

功能：统计元素出现次数

import arrayarr = array.array('i', [1, 2, 2, 3, 2, 4])
print(arr.count(2))  # 3

4.4.2 index()方法

功能：查找元素首次出现的位置

import arrayarr = array.array('i', [10, 20, 30, 20, 40])
print(arr.index(20))  # 输出 1，因为 20 第一次出现在索引 1
print(arr.index(20, 2))  # 输出 3，从索引 2 开始查找 20，第一次出现在索引 3

4.4.3 reverse()方法

功能：反转数组

import arrayarr = array.array('h', [1, 2, 3, 4])
arr.reverse()
print(arr)  # array('h', [4, 3, 2, 1])

5. 数组与二进制数据交互

5.1 tobytes()和frombytes()

5.1.1 tobytes()

功能：将数组转换为字节表示

import arrayarr = array.array('i', [1, 2, 3])
byte_data = arr.tobytes()
print(byte_data)  # b'\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00'

5.1.2 frombytes()

功能：从字节数据重建数组

import arrayarr = array.array('i', [1, 2, 3])
byte_data = arr.tobytes()new_arr = array.array('i')
new_arr.frombytes(byte_data)
print(new_arr)  # array('i', [1, 2, 3])

5.2 tofile()和fromfile()

5.2.1 tofile()

功能：将数组写入文件

import arrayarr = array.array('d', [1.1, 2.2, 3.3])
with open('data.bin', 'wb') as f:arr.tofile(f)

5.2.2 fromfile()

功能：从文件读取数组数据

import arraynew_arr = array.array('d')
with open('data.bin', 'rb') as f:new_arr.fromfile(f, 3)  # 读取3个元素print(new_arr)  # array('d', [1.1, 2.2, 3.3])

5.3 byteswap()

功能：交换字节顺序（大小端转换）

import arrayarr = array.array('h', [1, 256])  # 0x0001, 0x0100
print(arr.tobytes())  # b'\x01\x00\x00\x01'
arr.byteswap()
print(arr.tobytes())  # b'\x00\x01\x01\x00'
print(arr)  # array('h', [256, 1])

6. 特性和性能考虑

6.1 缓冲区接口

array实现了缓冲区协议，可以高效地与其它支持缓冲区接口的对象交互

import arrayarr = array.array('i', [1, 2, 3, 4, 5])# 使用 memoryview 访问缓冲区
mv = memoryview(arr)
print(mv[1:3].tolist())  # [2, 3]# 修改数据会反映到原数组
mv[2] = 99
print(arr)  # array('i', [1, 2, 99, 4, 5])

6.2 性能比较

表2: array与list性能比较（操作100万个元素）

操作	array('i')	list	优势比
创建时间	0.05s	0.12s	2.4x
内存占用	4MB	8MB	2x
遍历速度	0.03s	0.05s	1.7x
求和速度	0.02s	0.08s	4x

6.3 类型转换

import array# array转list
arr = array.array('f', [1.1, 2.2, 3.3])
lst = arr.tolist()
print(lst)  # [1.1, 2.2, 3.3]# list转array
new_arr = array.array('f', lst)
print(new_arr)  # array('f', [1.1, 2.2, 3.3])

7. 应用举例

7.1 处理大型数值数据集示例

import array
import random
import time# 生成100万个随机数
start = time.time()
data = array.array('d', (random.random() for _ in range(1_000_000)))
print(f"生成array耗时:{time.time() - start:.3f}秒")# 计算平均值
start = time.time()
mean = sum(data) / len(data)
print(f"计算平均值耗时:{time.time() - start:.4f}秒")
print(f"平均值:{mean:.4f}")# 内存占用比较
import syslist_data = list(data)
print(f"array内存占用:{sys.getsizeof(data) / 1_000_000:.2f}MB")
print(f"list内存占用:{sys.getsizeof(list_data) / 1_000_000:.2f}MB")

7.2 二进制文件处理示例

import arraydef save_sensor_data(filename, data):"""保存传感器数据到二进制文件"""arr = array.array('H', data)with open(filename, 'wb') as f:arr.tofile(f)def load_sensor_data(filename, count):"""从二进制文件加载传感器数据"""arr = array.array('H')with open(filename, 'rb') as f:arr.fromfile(f, count)return arr# 模拟传感器数据
sensor_data = [100, 105, 110, 115, 120, 118, 116, 114]# 保存并加载数据
save_sensor_data('sensor.bin', sensor_data)
loaded_data = load_sensor_data('sensor.bin', len(sensor_data))
print("加载的数据:", loaded_data.tolist())

7.3 与NumPy交互示例

虽然array模块功能有限，但可以轻松转换为NumPy数组进行高级数值计算：

import array
import numpy as np# 创建array
arr = array.array('d', [1.1, 2.2, 3.3, 4.4])# 转换为NumPy数组
np_arr = np.array(arr)
print("NumPy数组:", np_arr)# 执行NumPy操作
print("平方:", np.square(np_arr))
print("平均值:", np.mean(np_arr))# 转换回array
new_arr = array.array('d', np_arr.tolist())
print("转换回array:", new_arr)

类型码	C 类型	Python 类型	最小字节数	备注
`'b'`	signed char	int	1	有符号字节
`'B'`	unsigned char	int	1	无符号字节
`'u'`	wchar_t	Unicode字符	2/4	平台相关，Python 3.3+不推荐
`'w'`	Py_UCS4	Unicode字符	4	推荐替代'u'
`'h'`	signed short	int	2	有符号短整数
`'H'`	unsigned short	int	2	无符号短整数
`'i'`	signed int	int	2	有符号整数
`'I'`	unsigned int	int	2	无符号整数
`'l'`	signed long	int	4	有符号长整数
`'L'`	unsigned long	int	4	无符号长整数
`'q'`	long long	int	8	有符号长长整数
`'Q'`	unsigned long long	int	8	无符号长长整数
`'f'`	float	float	4	单精度浮点数
`'d'`	double	float	8	双精度浮点数

2.2 类型码选择建议

根据数据范围选择整数类型：

小范围整数(0-255)：'B'或'b'
中等范围整数：'h'或'H'
大整数：'l'、'L'、'q'或'Q'

浮点数选择：

一般精度：'f'
高精度：'d'

Unicode字符：

推荐使用'w'而非'u'，因为'u'将在Python 3.16中移除