如何在Python中使用位图Bitmap压缩海量布尔数据？-Python教程-PHP中文网

位图是用单个比特存储布尔值的紧凑结构，Python中可用bytearray手动位操作或bitarray库实现；list[bool]因每个bool占28字节导致内存浪费，而位图100万位仅需125KB，压缩比超220:1。

如何在python中使用位图bitmap压缩海量布尔数据？

位图（Bitmap）不是图像格式，而是用单个比特存储布尔值的紧凑结构——Python 里最直接、零依赖的实现是 bytearray 或 array.array('B') 手动位操作；第三方库 bitarray 更安全易用，但需额外安装。

为什么不用 `list[bool]` 存海量开关状态？

Python 的 bool 实际是 int 子类，每个占 28 字节（CPython 3.12），100 万个布尔值约耗 28 MB 内存；而位图只需 ⌈1000000 / 8⌉ = 125000 字节，压缩比超 220:1。更关键的是，list 的随机访问是 O(1)，但位图的位级访问本身也是 O(1)，且缓存局部性更好。

常见误判：以为 numpy.bool_ 能省空间——其实它仍是每元素 1 字节（8 倍于理论下限），且带完整 NumPy 开销。

手写位图：用 `bytearray` 实现 `set_bit()` 和 `get_bit()`

核心是把逻辑索引 i 拆成字节偏移 i // 8 和位偏移 i % 8，再用位运算读写：

bitmap = bytearray((n_bits + 7) // 8)  # 分配足够字节数
<p>def set_bit(i):
byte_idx, bit_idx = i // 8, i % 8
bitmap[byte_idx] |= (1 </p><p>def get_bit(i):
byte_idx, bit_idx = i // 8, i % 8
return (bitmap[byte_idx] >> bit_idx) & 1</p>

注意点：

librosa Python 音频与音乐分析库

librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具，基于 NumPy 和 SciPy 构建，用于科学音频计算。

下载

索引 i 必须 ≥ 0 且 assert 0
右移后必须 & 1，否则高位残留可能返回非 0/1 整数
写入时用 |= 而非 =，避免覆盖同字节其他位
初始化用 bytearray(size) 得到全 0，比 bytes 可变

用 `bitarray` 库替代手写（推荐生产环境）

bitarray 是 C 扩展，支持切片、序列协议、内存视图，且自动处理大小端、边界对齐：

from bitarray import bitarray
a = bitarray(1000000)  # 默认全 False
a[42] = True
a[100:200] = True      # 批量赋值
print(a[42])           # True
print(a.buffer_info()) # 查看底层 bytes 地址和长度

安装与陷阱：

pip install bitarray —— Windows 用户若报编译错误，优先用 conda install bitarray
不要用 bitarray('101') 初始化字符串，它会逐字符转 ASCII 码；要用 bitarray('101', endian='big') 或先转 list[bool]
与 NumPy 互操作需通过 .tobytes() 或 bitarray(buffer=...)，不支持直接 np.array(a)