array模块适合存储同构的数值型数据，如int、float、unsigned short等，不支持字符串、对象、None或混合类型；常见于内存敏感的数值场景，如信号处理和二进制协议解析。
array模块适合存什么类型的数据
它只适合存**同构的数值型数据**，比如全是 int、全是 float、或全是 unsigned short。不能存字符串、对象、None 或混合类型——一旦尝试，会直接报 TypeError: array() argument 1 must be a unicode character, not str 这类错误。
常见使用场景：需要大量整数/浮点数且对内存敏感（比如信号处理、嵌入式数据缓存），又不需要 NumPy 那么重的依赖。
-
array('i', [1, 2, 3])存 32 位有符号整数（C 的int） -
array('f', [1.0, 2.5, 3.14])存 32 位浮点数（比list[float]内存省一半） -
array('B', [65, 66, 67])存无符号字节（0–255），常用于二进制协议解析
和list相比，array在创建和访问时有哪些行为差异
创建后长度固定（不能用 .append() 动态扩容？错——它支持，但底层会 realloc，性能不如预估容量后一次性初始化）；索引访问和切片行为和 list 一致，但不支持负步长切片（如 a[::-1] 会报 ValueError: bad step size）。
关键区别在于：它不支持就地排序（.sort()）、没有 .index() 方法（得用 list(array_obj).index(x)，但这就失去效率优势了）。
- 支持
.extend()、.pop()、.insert()，但插入中间位置是 O(n) 时间 - 不支持
+=拼接另一个array，必须用.extend() -
array('i') + array('i')是非法操作，会触发TypeError
typecode选错会导致哪些运行时问题
typecode 决定了每个元素占多少字节、取值范围和底层 C 类型。选错最常见后果是静默截断或溢出，而不是立刻报错。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
比如用 'b'（有符号字节，−128 到 127）存 200：array('b', [200]) 实际存成 -56（200 mod 256 = 200，再按补码解释）；用 'H'（无符号短整，0–65535）存 −1，则直接报 OverflowError: unsigned short is less than minimum。
- 读写文件时，typecode 必须和二进制格式严格匹配，否则数据全乱
-
'd'（双精度）比'f'（单精度）省内存少但精度高，但多数嵌入式场景用'f'就够了 - 跨平台注意：
'i'在 Windows 和 Linux 上都是 32 位，但'l'（long）在 Windows 是 32 位、Linux 是 64 位——别用'l'做序列化
什么时候该放弃array改用NumPy或bytearray
一旦你需要向量化运算（加减乘除整个数组）、广播、reshape、或与 C/Fortran 库交互，array 就不够用了——它没提供任何数学方法，连求和都得写 sum(my_array)（这时其实已经转成 Python int/float，失去底层优势）。
如果只是存一串字节并频繁切片、拼接、查找，bytearray 比 array('B') 更轻量、API 更友好（支持 .find()、.replace()）。
- 要计算均值、标准差、FFT？上
numpy.ndarray - 要解析网络包头、做 CRC 校验、构造二进制协议帧？
bytearray更顺手 - 只做“紧凑存储 + 线性遍历”且不想引入第三方依赖？
array正好卡在这个窄缝里
真正容易被忽略的是 typecode 的隐式转换行为：传给 C 扩展或 mmap 时，它不会帮你做类型检查，错一个字节就导致段错误或数据错位。调试这类问题，最好先用 array.buffer_info() 确认地址和长度，再拿 struct.unpack() 对照验证原始字节。
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！
