Python标准库array模块用法：怎么创建固定类型数值数组

在 Python 中处理大量数值时，最常用的 list 虽然灵活，但每个元素都是被封装的独立对象指针，存储百万级数字时会带来显著的内存冗余与性能开销。Python 标准库自带的 array 模块提供了一种紧凑存储固定类型数值的轻量解决方案，它直接在连续内存中存放底层 C 语言原生数据，不需要额外安装 NumPy 等第三方扩展包。本文详细介绍 array 模块的核心原理、类型码选择、四种具体创建方式与实际应用中的关键细节。

一、核心原理：array 与原生 list 的内存结构差异

Python 原生列表是一个动态指针数组。当你在列表中存放 [10, 20, 30, 40] 时，列表底层保存的是指向四个独立 PyLongObject 对象的内存地址指针。每一个 Python 整数对象除数值本身外，还附带引用计数、类型指针以及长度信息，通常至少占用 28 字节。再加上指针本身的 8 字节，一个整型的实际消耗高达 36 字节以上。

而标准库的 array.array 直接在单一连续内存块中按字节紧凑存储数值，省去了所有对象封装与指针跳转。以 32 位整型为例，每个数字在 array 中严格只占 4 字节，不仅节省了大量内存，还能让 CPU 缓存更高效地命中，极大提升数据传输和读写速度。

二、核心语法与类型码（Type Code）对照表

创建 array 对象的构造语法如下：

from array import array

arr = array(typecode[, initializer])

其中，第一个参数 typecode（类型码）是单一字符，用来指定数组中每个元素所采用的底层 C 语言数据类型与字节长度。创建后，该数组只能容纳符合该类型码范围的数值，存入超出边界或不符合类型的元素会直接抛出异常。

三、创建固定类型数值数组的四种典型操作

在实际编码中，创建 array 对象的途径非常灵活，可以根据初始数据的来源（已有列表、原始二进制字节串、磁盘文件或动态追加）选择最便捷高效的方式。

1. 通过现有可迭代对象直接初始化

最直观的方式是将 Python 的 list、tuple 或 range 作为第二个参数传入构造函数：

from array import array

# 使用列表初始化 32 位有符号整型数组
numbers = [10, 20, 30, 40, 50]
int_arr = array('i', numbers)
print("整数数组:", int_arr)
# 示例输出: 整数数组: array('i', [10, 20, 30, 40, 50])

# 使用 range 直接构建连续序列
range_arr = array('l', range(1000))

# 创建双精度浮点数组
float_arr = array('d', [1.25, 3.14159, 2.71828])
print("元素大小(字节):", float_arr.itemsize)
# 示例输出: 元素大小(字节): 8

2. 从原始字节串（bytes）高速解析

在网络通信、底层驱动交互或传感器数据采集中，数据往往以未经包装的二进制 bytes 形式传输。使用 frombytes() 可以直接将连续字节流无拷贝或低开销地映射为数值数组：

from array import array

# 假设接收到底层 8 字节二进制流（包含两个 4 字节小端序 int）
raw_bytes = b'\x0a\x00\x00\x00\x14\x00\x00\x00'

# 创建空数组并从字节加载
arr = array('i')
arr.frombytes(raw_bytes)
print("从字节解析出的数值:", arr)
# 示例输出: 从字节解析出的数值: array('i', [10, 20])

# 同样支持随时导出回原始字节
exported_bytes = arr.tobytes()
print("反向导出字节串:", exported_bytes)
# 示例输出: 反向导出字节串: b'\n\x00\x00\x00\x14\x00\x00\x00'

3. 从磁盘二进制文件直接拉取（超快 I/O）

传统的文本格式（如 JSON、CSV）在读写百万级数值时涉及繁重的字符串编解码。array 提供了 tofile() 和 fromfile()，能直接以 C 数组二进制原样写入或读取文件：

from array import array
import os

# 创建包含 5 个双精度浮点数的数组并直接存入二进制文件
data = array('d', [10.5, 20.3, 30.1, 40.8, 50.2])
with open("sensor_cache.bin", "wb") as fp:
    data.tofile(fp)

# 从文件中精确读取恢复
restored = array('d')
with open("sensor_cache.bin", "rb") as fp:
    # 第二个参数指定读取的元素个数（非字节数）
    restored.fromfile(fp, 5)

print("从文件快速恢复的数组:", restored)
# 示例输出: 从文件快速恢复的数组: array('d', [10.5, 20.3, 30.1, 40.8, 50.2])

if os.path.exists("sensor_cache.bin"):
    os.remove("sensor_cache.bin")

4. 声明空数组后动态追加元素

如果不确定数据总量，可以只指定类型码创建空数组，随后在数据到达时调用 append() 单个追加，或使用 extend() 批量合并：

from array import array

# 声明一个空的无符号 8 位数组（0~255）
buffer = array('B')

# 单个追加
buffer.append(255)
buffer.append(128)

# 批量扩展
buffer.extend([10, 20, 30])
print("动态构建结果:", buffer)
# 示例输出: 动态构建结果: array('B', [255, 128, 10, 20, 30])

四、内存占用对比实测与关键避坑注意事项

1. 真实内存占用实测对比

我们可以使用 sys.getsizeof() 观察存储 1,000,000 个 32 位整型时，原生列表与 array 的真实内存差异：

import sys
from array import array

N = 1_000_000

# 1. 原生列表
raw_list = list(range(N))
# list 容器本身占用的指针内存 + 每个 PyLongObject 对象内存
list_container_bytes = sys.getsizeof(raw_list)
single_int_bytes = sys.getsizeof(10)
estimated_total_list_mb = (list_container_bytes + N * single_int_bytes) / (1024 * 1024)

# 2. array 模块（32位有符号整型 'i'）
arr = array('i', range(N))
array_bytes = sys.getsizeof(arr)
array_mb = array_bytes / (1024 * 1024)

print(f"原生 list 总估计内存: {estimated_total_list_mb:.2f} MB")
print(f"array('i') 总内存:   {array_mb:.2f} MB")
# 示例输出:
# 原生 list 总估计内存: 34.33 MB
# array('i') 总内存:   3.82 MB

实测结果清晰表明，在同等规模数据下，array('i') 仅占约 3.82 MB 内存，相比原生列表直接降低了将近 90% 的内存消耗。

2. 常见错误与避坑准则

arr = array('b', [10, 20])
# 错误示范 1: 存入浮点数 -> TypeError: integer argument expected, got float
# arr.append(3.14)

# 错误示范 2: 存入超过 127 的数字 -> OverflowError: signed char is greater than maximum
# arr.append(200)

五、全文总结

Python 标准库的 array 模块通过底层 C 语言原生连续内存机制，在无需外部依赖的前提下，以极简的 API 为数值计算与数据传输提供了出色的内存压缩率和读写性能。掌握 typecode 的合理选型，结合从迭代器、字节串与二进制文件的灵活创建方法，即可在面对大量纯数值数据时写出更轻量、更高性能的 Python 代码。