Python中的“数组”是什么？list、tuple与array模块的区别

在许多编程语言中，“数组”通常指一段在内存中连续分配、长度固定且存储同一种数据类型的数据结构。而在日常编写 Python 代码时，大家口头上说的“数组”多半是指内置的列表（list）。严格来说，Python 并没有一个名叫 array 的原生保留关键字类型，而是根据不同需求提供了三种内置或标准库形态：灵活通用的 list、不可变的安全集合 tuple，以及专门用于存储紧凑数值的 array 模块。本文将具体厘清这些概念在内存存储、可变性与实际使用场景上的差异。

一、Python 里到底有没有真正的“数组”？

严格按照计算机科学的定义来看，C 或 Java 中的原生数组具备两个硬性特征：存储的数据类型一致、元素在内存中紧凑连续排列。在 Python 中：

• 最常被当作数组用的是 list（列表）：它是动态引用数组，内部存储的不是具体数据本身，而是指向各个对象的指针。
• tuple（元组）：结构与列表类似，同样存储指针，但一旦创建就无法修改长度或替换元素，属于不可变的引用序列。
• 标准库 array 模块：这是 Python 官方提供的“严格意义上的基础数组”。它要求所有元素必须是同一基础 C 类型（如整型、浮点型），并在内存中连续存储原始字节。

为了直观展现它们在内存管理模式上的本质区别，可以参考下方的对象与内存布局对比：

二、核心角色深入剖析

1. list（列表）：最常用的动态引用数组

平时通过方括号 [] 创建的就是列表。列表在 Python 底层（CPython）对应 PyListObject 结构体。它包含两个核心要素：当前元素数量、预分配的指针数组（PyObject**）。

正因为列表中保存的只是指针，它可以容纳任何类型的对象：

# 列表可以混装不同类型
my_list = [100, "文本", 3.14, [1, 2]]
my_list.append(500)       # 动态追加
my_list[0] = 999          # 允许修改现有元素

注意内存机制：虽然 list 是动态的，但在增删元素时它会自动进行过量内存分配（Over-allocation），避免每次 append 都向操作系统申请内存。不过，每个元素对应的 Python 整数对象或字符串对象依然分散在堆内存各处，每次遍历都需要指针解引用。

2. tuple（元组）：轻量不可变的序列

元组通过圆括号 () 创建。在底层，元组与列表的结构非常接近，但它去除了动态扩容机制，并在解释器层面限制了修改操作：

point = (10, 20)
# point[0] = 30  # 会直接抛出 TypeError: 'tuple' object does not support item assignment

因为不可变，元组具备几个关键优势：

• 内存占用更小：无需预留扩容的空闲指针槽位，大小刚刚容纳已有元素。
• 可用作字典的键：只要元组内部的元素全是可哈希类型，该元组就可以作为 dict 的 key 或放入 set。
• 数据安全保护：在函数间传递不希望被调用方意外修改的配置参数、坐标值时，元组是首选。

3. array 模块：高效紧凑的基础数据数组

如果你在处理数百万个整数或浮点数，且不需要做复杂的科学矩阵计算，标准库的 array 模块就是最轻量、零依赖的解决方案。它在初始化时必须指定一个类型代码（Type Code），规定该数组存放哪种底层 C 数据类型。

以下是使用标准库 array 的完整操作过程：

import array

# 创建一个存储有符号 32 位整数（类型代码为 'i'）的数组
# 常见类型代码：'b'(char), 'h'(short), 'i'(int), 'f'(float), 'd'(double)
numbers = array.array('i', [10, 20, 30, 40])

# 支持大部分类似列表的操作
numbers.append(50)
print(numbers[0])  # 输出示例: 10

# 如果试图插入不符合类型约束的元素，会立即报错
try:
    numbers.append(3.14)
except TypeError as err:
    print(f"类型检查拦截: {err}")
    # 输出示例: 类型检查拦截: 'float' object cannot be interpreted as an integer

下面这幅流程图展示了在 Python 解释器中向 array.array 插入元素时的校验与存储执行步骤：

三、特性全面对比

了解三者的底层原理后，我们可以从日常开发的实际维度总结它们的区别：

四、选型判断：在什么时候用哪一个？

很多开发者会产生疑惑：既然 array 模块省内存，为什么平时很少看到别人用？

原因在于应用生态的平衡。如果数据量只有几千个，list 的内存开销对现代电脑而言几乎可以忽略，而它支持任意类型、语法简单、生态方法极其丰富；如果涉及上百万、上亿个纯数值的科学计算或矩阵运算，Python 开发者通常会直接选用第三方库 numpy.ndarray，因为 NumPy 不仅连续存储，还提供了 C 语言级的多维向量运算支持。因此，内置的 array 模块更适合标准库环境下对大批量数值进行文件读写、网络二进制传输或受限硬件环境。

下图展示了面对不同业务需求时的选型决策路径：

五、实际使用中的常见陷阱与注意事项

六、知识全貌总结

总结来说，Python 中日常说的“数组”是一个泛指的口头表述。在理解 Python 基础时，只需要抓住一个核心：Python 没有关键字形式的数组，只有满足不同底层特性的序列容器。

日常写业务代码时，默认选用 list 即可；如果要声明静态配置或充当字典键，选用 tuple；当面临内存瓶颈且限制只能使用标准库存储大量整数或浮点数时，再考虑使用 array 模块。