Python：复制`array.array`

Question

有没有办法在Python中复制array.array（不是list），除了创建一个新的并复制值，或使用.to_something和.from_something ？我似乎无法在文档中找到任何内容。如果没有，是否有类似的内置数据类型可以做到这一点？

我正在开发一个高性能模块，所以答案越快越好。

我目前的解决方案是使用.to_bytes和.from_bytes，这比我的测试快了1.8倍。

Answer 1

不确定array.array包含哪些内容，但使用示例：

>>> import array
>>> a = array.array('i', [1, 2, 3] * 1000)
array('i', [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1,
2, 3, 1, 2, 3, 1, 2, 3, 1, 2, ... ])

一些设置：

>>> from copy import deepcopy
>>> import numpy as np

计时各种方法

（使用Jupyter笔记本中的％timeit magic）：

<强>切片

In [1]: %timeit cp = a[:]

418 ns ± 4.89 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

<强> deepcopy的

In [2]: %timeit cp = deepcopy(a)

1.83 µs ± 34 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

numpy copy ...注意：这会产生一个numpy数组，而不是array.array

In [3]: %timeit cp = np.copy(a)

1.87 µs ± 62.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

列表理解和array.array转换

In [4]: %timeit cp = array.array('i', [item for item in a])

147 µs ± 5.39 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

numpy copy和array.array转换

In [5]: %timeit cp = array.array('i', np.copy(a))

310 µs ± 2.25 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

复制到现有数组

In[6]: pre = array.array('i', [0, 0, 0] * 1000)
In[7]: %timeit for i, element in enumerate(a): pre[i] = a[i]

344 µs ± 7.83 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Answer 2

copy.copy(arr)可以正常使用。