Python內置模塊：array

1. 模塊概述

1.1 什么是array模塊

array模塊是Python標準庫中的一個內置模塊，它提供了一種高效存儲基本數據類型（如整數、浮點數）的序列結構。與列表(list)相比，array在存儲單一數據類型時更加緊湊，內存占用更小，性能更高。

原理：array模塊底層使用C語言的數組實現，所有元素必須是相同類型，這使得它在內存中是連續存儲的，訪問速度更快

1.2 為什么使用array

內存效率：存儲相同數量的數據時，array比list占用更少內存
性能優勢：數值計算操作比list更快
類型安全：確保數組中所有元素類型一致
二進制數據交互：方便與C/C++代碼或二進制文件交互

1.3 適用場景舉例

需要處理大量數值數據
內存受限的環境
需要與C/C++代碼交互
處理二進制數據文件

2. 類型碼

2.1 類型碼表

array模塊使用單字符類型碼來指定數組中元素的類型。以下是完整的類型碼表

類型碼	Python 類型	最小字節數	備注
'b'	int	1	有符號字節
'B'	int	1	無符號字節
'u'	Unicode字符	2/4	Python 3.3+不推薦
'w'	Unicode字符	4	推薦替代'u'
'h'	int	2	有符號短整數
'H'	int	2	無符號短整數
'i'	int	2	有符號整數
'I'	int	2	無符號整數
'l'	int	4	有符號長整數
'L'	int	4	無符號長整數
'q'	int	8	有符號長長整數
'Q'	int	8	無符號長長整數
'f'	float	4	單精度浮點數
'd'	float	8	雙精度浮點數

2.2 類型碼選擇建議

1. 根據數據范圍選擇整數類型：

小范圍整數(0-255)：'B'或'b'
中等范圍整數：'h'或'H'
大整數：'l'、'L'、'q'或'Q'

2. 浮點數選擇：

一般精度：'f'
高精度：'d'

3. Unicode字符：

推薦使用'w'而非'u'，因為'u'將在Python 3.16中移除

3. 創建和初始化array

3.1 array構造函數

class array.array(typecode[, initializer])

參數：

typecode：指定數組元素類型的單字符代碼
initializer：可選，初始化數組的數據，可以是：

bytes或bytearray對象
Unicode字符串（僅適用于'u'或'w'類型碼）
可迭代對象（列表、元組等）

返回值：返回一個新的array對象

3.2 創建array的多種方式

3.2.1 創建空數組

import array

# 創建空整數數組
int_arr = array.array('i')
print(int_arr)

# 創建空浮點數數組
float_arr = array.array('f')
print(float_arr)

3.2.2 從列表初始化

import array

# 從列表創建整數數組
numbers = array.array('i', [1,2,3,4,5])
print(numbers)

# 從列表創建浮點數數組
temps = array.array('f', [23.5,27.8,19.2])
print(temps)

3.2.3 從bytes/bytearray初始化

import array

# 從bytes創建數組
data = b'\x01\x00\x00\x00\x02\x00\x00\x00'  # 兩個32位整數
int_arr = array.array('i', data)
print(int_arr)

# 從bytearray創建
byte_data = bytearray(b'\x01\x02\x03\x04')
byte_arr = array.array('B', byte_data)
print(byte_arr)

3.2.4 從Unicode字符串初始化

import array

# 創建Unicode字符數組
text = array.array('w', '你好Python')
print(text)

3.3 注意事項

類型一致性：所有元素必須是相同類型
類型轉換：初始化時會自動嘗試將元素轉換為指定類型
錯誤處理：類型不匹配會引發TypeError
內存分配：數組大小固定后，內存連續分配

4. array基本操作

4.1 訪問元素

array支持所有序列操作，包括索引、切片等。

import array

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

# 索引訪問
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：在數組末尾添加一個元素

import array

arr = 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：從可迭代對象添加多個元素

import array

arr = array.array('i', [1, 2, 3])
arr.extend([4, 5, 6])
print(arr)  # array('i', [1, 2, 3, 4, 5, 6])

# 也可以擴展另一個array，但類型必須匹配
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 array

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

4.3 刪除元素

4.3.1 pop()方法

功能：移除并返回指定位置的元素

import array

arr = array.array('i', [10, 20, 30, 40])
print(arr.pop())  # 40 (默認移除最后一個)
print(arr.pop(0))  # 10 (移除第一個)
print(arr)  # array('i', [20, 30])

4.3.2 remove()方法

功能：移除第一個匹配的元素

import array

arr = array.array('i', [1, 2, 3, 2, 4])
arr.remove(2)  # 移除第一個2
print(arr)  # array('i', [1, 3, 2, 4])

4.3.3 clear()方法

功能：清空數組（Python 3.13+）　　

import array

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

import array

arr = array.array('d', [1.1, 2.2, 3.3])
arr = array.array('d')  # 創建一個新的空數組
print(arr)  # array('d')

arr = array.array('d', [1.1, 2.2, 3.3])
del arr[:]  # 刪除數組中的所有元素
print(arr)  # array('d')

arr = array.array('d', [1.1, 2.2, 3.3])
while len(arr) > 0:
    arr.pop()  # 逐個刪除元素
print(arr)  # array('d')

arr = array.array('d', [1.1, 2.2, 3.3])
arr[:] = []  # 使用切片賦值清空數組
print(arr)  # array('d')

4.4 其他常用操作

4.4.1 count()方法

功能：統計元素出現次數

import array

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

4.4.2 index()方法

功能：查找元素首次出現的位置

import array

arr = array.array('i', [10, 20, 30, 20, 40])
print(arr.index(20))  # 輸出 1，因為 20 第一次出現在索引 1
print(arr.index(20, 2))  # 輸出 3，從索引 2 開始查找 20，第一次出現在索引 3

4.4.3 reverse()方法

功能：反轉數組

import array

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

5. 數組與二進制數據交互

5.1 tobytes()和frombytes()

5.1.1 tobytes()

功能：將數組轉換為字節表示

import array

arr = 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：從字節數據重建數組

import array

arr = 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：將數組寫入文件

import array

arr = 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：從文件讀取數組數據

import array

new_arr = array.array('d')
with open('data.bin', 'rb') as f:
    new_arr.fromfile(f, 3)  # 讀取3個元素

print(new_arr)  # array('d', [1.1, 2.2, 3.3])

5.3 byteswap()

功能：交換字節順序（大小端轉換）

import array

arr = 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. 特性和性能考慮

6.1 緩沖區接口

array實現了緩沖區協議，可以高效地與其它支持緩沖區接口的對象交互

import array

arr = array.array('i', [1, 2, 3, 4, 5])

# 使用 memoryview 訪問緩沖區
mv = memoryview(arr)
print(mv[1:3].tolist())  # [2, 3]

# 修改數據會反映到原數組
mv[2] = 99
print(arr)  # array('i', [1, 2, 99, 4, 5])

6.2 性能比較

表2: array與list性能比較（操作100萬個元素）

操作	array('i')	list	優勢比
創建時間	0.05s	0.12s	2.4x
內存占用	4MB	8MB	2x
遍歷速度	0.03s	0.05s	1.7x
求和速度	0.02s	0.08s	4x

6.3 類型轉換

import array

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

# list轉array
new_arr = array.array('f', lst)
print(new_arr)  # array('f', [1.1, 2.2, 3.3])

7. 應用舉例

7.1 處理大型數值數據集示例

import array
import random
import time

# 生成100萬個隨機數
start = time.time()
data = array.array('d', (random.random() for _ in range(1_000_000)))
print(f"生成array耗時:{time.time() - start:.3f}秒")

# 計算平均值
start = time.time()
mean = sum(data) / len(data)
print(f"計算平均值耗時:{time.time() - start:.4f}秒")
print(f"平均值:{mean:.4f}")

# 內存占用比較
import sys

list_data = list(data)
print(f"array內存占用:{sys.getsizeof(data) / 1_000_000:.2f}MB")
print(f"list內存占用:{sys.getsizeof(list_data) / 1_000_000:.2f}MB")

7.2 二進制文件處理示例

import array


def save_sensor_data(filename, data):
    """保存傳感器數據到二進制文件"""
    arr = array.array('H', data)
    with open(filename, 'wb') as f:
        arr.tofile(f)


def load_sensor_data(filename, count):
    """從二進制文件加載傳感器數據"""
    arr = array.array('H')
    with open(filename, 'rb') as f:
        arr.fromfile(f, count)
    return arr


# 模擬傳感器數據
sensor_data = [100, 105, 110, 115, 120, 118, 116, 114]

# 保存并加載數據
save_sensor_data('sensor.bin', sensor_data)
loaded_data = load_sensor_data('sensor.bin', len(sensor_data))
print("加載的數據:", loaded_data.tolist())

7.3 與NumPy交互示例

雖然array模塊功能有限，但可以輕松轉換為NumPy數組進行高級數值計算：

import array
import numpy as np

# 創建array
arr = array.array('d', [1.1, 2.2, 3.3, 4.4])

# 轉換為NumPy數組
np_arr = np.array(arr)
print("NumPy數組:", np_arr)

# 執行NumPy操作
print("平方:", np.square(np_arr))
print("平均值:", np.mean(np_arr))

# 轉換回array
new_arr = array.array('d', np_arr.tolist())
print("轉換回array:", new_arr)

類型碼	C 類型	Python 類型	最小字節數	備注
`'b'`	signed char	int	1	有符號字節
`'B'`	unsigned char	int	1	無符號字節
`'u'`	wchar_t	Unicode字符	2/4	平臺相關，Python 3.3+不推薦
`'w'`	Py_UCS4	Unicode字符	4	推薦替代'u'
`'h'`	signed short	int	2	有符號短整數
`'H'`	unsigned short	int	2	無符號短整數
`'i'`	signed int	int	2	有符號整數
`'I'`	unsigned int	int	2	無符號整數
`'l'`	signed long	int	4	有符號長整數
`'L'`	unsigned long	int	4	無符號長整數
`'q'`	long long	int	8	有符號長長整數
`'Q'`	unsigned long long	int	8	無符號長長整數
`'f'`	float	float	4	單精度浮點數
`'d'`	double	float	8	雙精度浮點數

2.2 類型碼選擇建議

根據數據范圍選擇整數類型：

小范圍整數(0-255)：'B'或'b'
中等范圍整數：'h'或'H'
大整數：'l'、'L'、'q'或'Q'

浮點數選擇：

一般精度：'f'
高精度：'d'

Unicode字符：

推薦使用'w'而非'u'，因為'u'將在Python 3.16中移除