Skip to main content

array

array 模块提供了紧凑的类型化数组，所有元素必须是同一基本类型。它是理解 numpy.ndarray 设计思想的原型——连续内存布局、类型约束、高效存储。

array

基本使用​

import array
import sys

# 创建整数数组（'i' = signed int）
int_arr = array.array('i', [1, 2, 3, 4, 5])
print(int_arr)          # array('i', [1, 2, 3, 4, 5])
print(int_arr[0])       # 1
print(int_arr[-1])      # 5

# 对比内存占用
py_list = list(range(10000))
c_array = array.array('i', range(10000))
print(f"list: {sys.getsizeof(py_list)} bytes")
print(f"array: {sys.getsizeof(c_array)} bytes")
# array 通常比 list 小很多，因为不存储 Python 对象指针

类型码​

import array

# 常用类型码
# 'b' = signed char (1 byte)
# 'B' = unsigned char (1 byte)
# 'i' = signed int (2+ bytes)
# 'I' = unsigned int (2+ bytes)
# 'l' = signed long (4+ bytes)
# 'f' = float (4 bytes)
# 'd' = double (8 bytes)

float_arr = array.array('f', [1.0, 2.5, 3.14])
print(float_arr.itemsize)    # 4 (bytes per element)
print(float_arr.typecode)    # 'f'

double_arr = array.array('d', [1.0, 2.5, 3.14])
print(double_arr.itemsize)   # 8

byte_arr = array.array('B', [0, 127, 255])
print(byte_arr.itemsize)     # 1

# 类型约束：不能混合类型
try:
    array.array('i', [1, 2, "three"])
except TypeError as e:
    print(f"类型错误: {e}")

数组操作​

import array

arr = array.array('i', [1, 2, 3])

# 添加元素
arr.append(4)
arr.extend([5, 6])
arr.insert(0, 0)
print(arr)  # array('i', [0, 1, 2, 3, 4, 5, 6])

# 删除元素
arr.pop()
arr.remove(0)
print(arr)  # array('i', [1, 2, 3, 4, 5])

# 切片
print(arr[1:3])  # array('i', [2, 3])

# 反转
arr.reverse()
print(arr)  # array('i', [5, 4, 3, 2, 1])

# 统计
print(arr.count(3))  # 1
print(arr.index(3))  # 2

与 bytes 的互转​

import array

arr = array.array('i', [1, 2, 3, 4])

# 转为 bytes
raw = arr.tobytes()
print(f"bytes 长度: {len(raw)}, 值: {raw.hex()}")

# 从 bytes 恢复
arr2 = array.array('i')
arr2.frombytes(raw)
print(arr2)  # array('i', [1, 2, 3, 4])

# 文件 I/O
with open("data.bin", "wb") as f:
    arr.tofile(f)

arr3 = array.array('i')
with open("data.bin", "rb") as f:
    arr3.fromfile(f, 4)  # 读取4个元素
print(arr3)  # array('i', [1, 2, 3, 4])

import os
os.remove("data.bin")

与 list 的互转​

import array

arr = array.array('d', [1.1, 2.2, 3.3])

# 转为 list
py_list = arr.tolist()
print(py_list)  # [1.1, 2.2, 3.3]

# 从 list 创建
arr2 = array.array('d', py_list)

buffer protocol 与 memoryview​

array 实现了 buffer protocol，可以与 memoryview、struct、ctypes 等配合使用，这也是 numpy 高效运作的基础机制。

import array

arr = array.array('i', [10, 20, 30, 40, 50])

# 通过 memoryview 零拷贝访问
mv = memoryview(arr)
print(mv[1])      # 20
mv[1] = 99
print(arr[1])     # 99 (原数组被修改)

# 切片也是零拷贝
sub = mv[2:4]
print(list(sub))  # [30, 40]
array vs numpy.ndarray
特性array.arraynumpy.ndarray
维度仅一维任意维度
运算无向量化运算支持广播和向量化
依赖标准库第三方库
用途轻量级类型化存储科学计算

array 的价值在于理解连续内存布局和 buffer protocol 的概念，这是 numpy、PyTorch tensor 高效运作的基石。