array比list省内存的根本原因是其以连续内存块直接存储原始数值，无python对象头和指针开销；而list存储对象指针，每个元素额外占8字节，且每个int对象本身约28字节。
array模块比list省内存的根本原因是什么？
因为 array 是连续内存块，只存原始值（如 int、float），不存 Python 对象头和引用指针；而 list 存的是对象指针，每个元素额外占用 8 字节（64 位系统）+ 对象本身开销。同构数据下，array 内存占用通常只有 list 的 1/4 到 1/3。
怎么选合适的 typecode？常见错误有哪些？
typecode 决定元素类型和单个元素字节数，选错会导致静默截断或 OverflowError。比如用 'i'（有符号 32 位整数）存 3000000000 就会溢出；用 'B'（无符号 8 位）存负数直接报错。
-
'i'：适合 -2³¹ ~ 2³¹−1 范围的整数，4 字节/元素 -
'I'：无符号 32 位，0 ~ 2³²−1，别误当'i'用 -
'd'：双精度浮点，8 字节；'f'是单精度（4 字节），但精度低、易累积误差 - 字符串？不行——
array不支持str或bytes以外的类型；想存文本请用bytearray或array('B', b'hello')
初始化和转换时要注意什么？
不能直接传 list 推导式或生成器给 array() 构造函数——它只接受可迭代对象，但会逐个检查类型兼容性。常见翻车点：
python-docx
下载
python-docx Skill功能概述python-docx Skill是一项面向实际任务的技能，主要用于本Skill提供使用python-docx生成专业Word文档的标准方法和最佳实践；生成安全服务方案文档；核心要点生成技术架构设计文档；生成任何需要专业排版的Word文档；核心库 : python-docx；使用与执行辅助库 : docx.shared , docx.enum , docx.oxml.ns；标准代码模板；1. 文档初始化；2. 字体设置（必须！它将相关步骤、工具调用和结果整理方式集
-
array('i', [1, 2, 3.5])→TypeError: an integer is required（哪怕只有一个 float） -
array('i', range(10**6))没问题，但array('i', (x for x in range(10**6)))也行，只是没提速 - 从
list转换最安全的方式是先确保类型统一：arr = array('i', map(int, my_list))，但注意map在 Python 3 返回迭代器，array会消耗它 - 已有
list含混合类型？别硬转——先用[int(x) for x in my_list]清洗，再进array
性能和使用边界在哪里？
array 的优势集中在「大批量同构数值」场景，比如信号采样、图像像素、科学计算中间数组。但它不是万能替代品：
- 不支持 append() 以外的原地增删（没有 insert/pop 等方法），扩容需新建 + copy
- 不能存嵌套结构（比如 array of array），也不支持属性访问（
arr.x无效） - NumPy 的
ndarray在计算密集场景更优（向量化、C 底层优化），array仅适合纯存储压缩需求 - 小数据量（
真正省内存的临界点通常在 10⁴ 以上整数或 10³ 以上双精度浮点——但前提是确认后续逻辑只做顺序读写或简单聚合，不依赖 list 的灵活操作。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
