Question

如果要创建1d数组，可以将其实现为List，或者使用标准库中的“array”模块。我总是使用列表进行一维数组。

我想要使用阵列模块的原因是什么？

它是用于性能和内存优化，还是我错过了一些明显的东西？

Answer 1

基本上，Python列表非常灵活，可以保存完全异构的任意数据，并且可以在amortized constant time中非常有效地附加它们。如果你需要有效地缩短和增加你的列表并且没有麻烦，那么它们就是你要走的路。但他们使用比C数组更多的空间。

另一方面，array.array类型只是C数组上的一个瘦包装器。它只能保存同类数据，所有类型都相同，因此它只使用sizeof(one object) * length个字节的内存。大多数情况下，当您需要将C数组公开给扩展或系统调用时（例如，ioctl或fctnl），您应该使用它。

array.array也是在Python 2.x（array('B', bytes)）中表示可变字符串的合理方式。但是，Python 2.6+和3.x提供了一个可变的字节字符串bytearray。

但是，如果你想在同类数组数据上做数学，那么你最好使用NumPy，它可以自动对复杂的多维数组上的操作进行矢量化。

简而言之：array.array在您需要一个同类C数据数据时非常有用，原因不在于。

Answer 2

对于几乎所有情况，正常列表都是正确的选择。数组模块更像是C数组上的一个瘦包装器，它为您提供了一种强类型容器（请参阅docs），可以访问更多类似C的类型，例如signed / unsigned short或double，它们不是部分内置类型。我会说只有你真的需要它才能使用数组模块，在所有其他情况下都坚持使用列表。

Answer 3

如果您不知道为什么要使用它，那么阵列模块就是您可能不需要的那种东西之一（请注意我并不是想以一种居高临下的方式说出来）方式！）。大多数情况下，阵列模块用于与C代码接口。为了更直接地回答有关绩效的问题：

对于某些用途，数组比列表更有效。如果你需要分配一个你知道不会改变的数组，那么数组可以更快并且使用更少的内存。 GvR有一个optimization anecdote，阵列模块在其中成为赢家（长读，但值得）。

另一方面，列表占用更多内存而不是数组的部分原因是因为python将在使用所有已分配元素时分配一些额外元素。这意味着将项目附加到列表更快。因此，如果您计划添加项目，则可以使用列表。

TL; DR如果您有特殊的优化需求，或者您需要与C代码接口（并且不能使用pyrex），我只会使用数组。

Answer 4

这是一种权衡！

每个人的优点：

列表

灵活
可以是异构的

数组（例如：numpy数组）

统一值数组
同质
紧凑（大小）
高效（功能和速度）
方便

Answer 5

我的理解是数组存储更有效（即作为连续的内存块与指向Python对象的指针），但我不知道任何性能优势。此外，对于数组，您必须存储相同类型的基元，而列表可以存储任何内容。

Answer 6

标准库数组对二进制I / O非常有用，例如将int列表转换为要写入波形文件的字符串。也就是说，正如许多人已经指出的那样，如果你要做任何真正的工作，那么你应该考虑使用NumPy。

Answer 7

数组只能用于特定类型，而列表可用于任何对象。

数组也可以只包含一种类型的数据，而列表可以包含各种对象类型的条目。

对于某些数值计算，数组也更有效。

Answer 8

如果您要使用数组，请考虑numpy或scipy包，它们为您提供更多灵活性的数组。

Answer 9

关于性能，以下是一些比较python列表，数组和numpy数组的数字（全部与2017年Macbook Pro上的python 3.7进行比较）。最终结果是这些操作最快的是python列表。

# Python list with append()
np.mean(timeit.repeat(setup="a = []", stmt="a.append(1.0)", number=1000, repeat=5000)) * 1000
# 0.054 +/- 0.025 msec

# Python array with append()
np.mean(timeit.repeat(setup="import array; a = array.array('f')", stmt="a.append(1.0)", number=1000, repeat=5000)) * 1000
# 0.104 +/- 0.025 msec

# Numpy array with append()
np.mean(timeit.repeat(setup="import numpy as np; a = np.array([])", stmt="np.append(a, [1.0])", number=1000, repeat=5000)) * 1000
# 5.183 +/- 0.950 msec

# Python list using +=
np.mean(timeit.repeat(setup="a = []", stmt="a += [1.0]", number=1000, repeat=5000)) * 1000
# 0.062 +/- 0.021 msec

# Python array using += 
np.mean(timeit.repeat(setup="import array; a = array.array('f')", stmt="a += array.array('f', [1.0]) ", number=1000, repeat=5000)) * 1000
# 0.289 +/- 0.043 msec

# Python list using extend()
np.mean(timeit.repeat(setup="a = []", stmt="a.extend([1.0])", number=1000, repeat=5000)) * 1000
# 0.083 +/- 0.020 msec

# Python array using extend()
np.mean(timeit.repeat(setup="import array; a = array.array('f')", stmt="a.extend([1.0]) ", number=1000, repeat=5000)) * 1000
# 0.169 +/- 0.034

Answer 10

numpy数组和list之间的重要区别在于，数组切片是原始数组上的视图。这意味着不会复制数据，并且对视图的任何修改都将反映在源数组中。

Answer 11

此答案将总结几乎所有有关何时使用列表和数组的查询：

这两种数据类型之间的主要区别是可以对它们执行的操作。例如，您可以将数组除以3，然后将数组的每个元素除以3。使用列表无法完成相同的操作。
该列表是python语法的一部分，因此不需要声明它，而您必须在使用它之前声明该数组。
您可以将不同数据类型的值存储在列表中（异构），而在Array中，您只能存储相同数据类型（异构）的值。
数组具有丰富的功能和快速的功能，与列表相比，它广泛用于算术运算和存储大量数据。
与列表相比，数组占用的内存更少。

Python List vs. Array - 何时使用？

11 个答案:

列表

数组（例如：numpy数组）