array比list省内存的根本原因是其存储同类型连续C原始值，而list存储PyObject指针数组并携带额外元数据。

array模块比list省内存的根本原因是什么？

array.array 存储的是同类型、连续的C风格原始值，比如所有元素都是 int 或 float，底层用一块连续内存块存放二进制数据；而 list 存储的是*PyObject 指针数组**，每个元素都要额外携带引用计数、类型信息、垃圾回收标记等开销。

这意味着：

• 一个装 100 万个 int 的 list，实际存的是 100 万个指针（64 位系统下占 8MB），再加 100 万个 int 对象本身（每个约 28 字节）→ 总内存轻松超 30MB
• 同样数量的 array('i')（32 位有符号整数），只占 100_0000 × 4 = 4MB

array 不支持混合类型，也不支持方法如 append() 以外的多数 list 方法（比如没有 sort()、reverse()），这是换内存节省的明确代价。

哪些场景适合直接用array替代list？

适用前提是：数据类型单一、批量数值运算少、不依赖list动态方法。典型例子包括：

• 从二进制文件（如传感器日志、图像像素流）中读取大批量同类型数值，暂存后分批处理
• 作为 ctypes 函数的输入缓冲区（array 支持 buffer_info() 和 to_bytes()）
• 在内存受限环境（如嵌入式 Python、长时间运行的数据采集脚本）中缓存中间数值序列

不适用的情况：

• 需要频繁插入/删除中间元素（array 的 insert() 和 pop(i) 是 O(n) 且比 list 更慢）
• 要用 list 推导式、切片赋值、extend() 混合类型数据
• 后续要传给依赖 len + iter 但没实现 getitem 的老库（少数情况）

选对typecode是省内存的关键一步

array 的内存大小完全由构造时传入的 typecode 决定，和 Python 的 int / float 类型无关：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

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

下载

• 小整数用 'b'（signed char, 1 字节）或 'B'（unsigned char）比 'i'（C int, 通常 4 字节）省 75% 空间
• 浮点用 'f'（32 位 float）比 'd'（64 位 double）省一半
• 但要注意溢出：用 'b' 存 200 会静默截断成 -56（因为超出 -128~127 范围）

常见 typecode 对照：

• 'b' / 'B': 1 字节整数
• 'h' / 'H': 2 字节整数
• 'i' / 'I': 4 字节整数（注意平台差异，Windows 上 'i' 是 4 字节，Linux/macOS 也是）
• 'f': 32 位浮点
• 'd': 64 位浮点

别默认用 'i' —— 先确认你的数据范围，再选最小够用的 typecode。

实际替换时最容易踩的三个坑

• array 不能直接用 + 拼接两个 array：
  a + b 会报 TypeError: unsupported operand type(s)；必须用 a.extend(b) 或 array('i', a.tolist() + b.tolist())（后者不推荐，会丢省内存优势）

• array 索引越界行为和 list 不同：
  arr[100] 越界抛 IndexError，但 arr[100:200] 切片不会报错，而是返回空 array —— 这容易掩盖逻辑错误

• 从 list 构造 array 时别漏掉 typecode：
  错误写法：array(my_list) → 报 TypeError: array() takes at least 1 argument
  正确写法：array('i', my_list)，且确保 my_list 所有元素能无损转成该 typecode（否则静默截断或报 OverflowError）

真正省内存不是靠“换成 array”这一步，而是全程避开自动升格、避免临时 list 中转、并且在数据源头就用合适 typecode 定义 —— 中间多一次 tolist()，前面省的内存就白费了。

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！