Python 列表与数组 - 何时使用？

基本上，Python 列表非常灵活，可以保存完全异构的任意数据，并且可以非常有效地附加到 amortized constant time 中。如果您需要高效且轻松地缩小和增加列表，那么它们就是您的最佳选择。但是它们使用比 C 数组更多的空间，部分原因是列表中的每个项目都需要构造一个单独的 Python 对象，即使对于可以用简单 C 类型表示的数据（例如 {2 } 或 uint64_t）。

另一方面，array.array 类型只是 C 数组的一个薄包装器。它只能保存同质数据（也就是说，都是相同类型的），因此它只使用 sizeof(one object) * length 字节的内存。大多数情况下，当您需要将 C 数组公开给扩展或系统调用（例如，ioctl 或 fctnl）时，您应该使用它。

array.array 也是在 Python 2.x (array('B', bytes)) 中表示 可变 字符串的合理方式。但是，Python 2.6+ 和 3.x 提供了一个可变的 byte 字符串作为 bytearray。

但是，如果您想对同质的数值数据数组进行数学运算，那么最好使用 NumPy，它可以自动对复杂的多维数组进行矢量化操作。

长话短说：当您出于数学以外的原因需要同构 C 数据数组时，array.array 很有用。

---

对于几乎所有情况，普通列表都是正确的选择。 arrays 模块更像是 C 数组的薄包装器，它为您提供了一种强类型容器（请参阅 docs），可以访问更多类似 C 的类型，例如有符号/无符号 short 或 double，它们不属于内置类型。我会说只有当你真的需要它时才使用数组模块，在所有其他情况下坚持使用列表。

---

如果您不知道为什么要使用它，数组模块是您可能不需要的东西之一（请注意，我并不是要以居高临下的方式这么说！） .大多数时候，数组模块用于与 C 代码接口。为了更直接地回答您关于性能的问题：

在某些用途上，数组比列表更有效。如果您需要分配一个您知道不会更改的数组，那么数组可以更快并且使用更少的内存。 GvR 有一个 optimization anecdote，其中数组模块胜出（长读，但值得）。

另一方面，列表比数组消耗更多内存的部分原因是，当所有分配的元素都被使用时，python 会分配一些额外的元素。这意味着将项目附加到列表更快。因此，如果您计划添加项目，列表是您的最佳选择。

TL;DR 如果您有特殊的优化需求或者您需要与 C 代码交互（并且不能使用 pyrex），我只会使用数组。

---

这是一个权衡！

每个人的优点：

列表

灵活的

可以是异质的

数组（例如：numpy 数组）

统一值数组

同质

紧凑（尺寸）

高效（功能和速度）

方便的

---

我的理解是数组的存储效率更高（即作为连续的内存块与指向 Python 对象的指针），但我不知道有任何性能优势。此外，对于数组，您必须存储相同类型的原语，而列表可以存储任何内容。

---

标准库数组对于二进制 I/O 很有用，例如将整数列表转换为字符串以写入波形文件。也就是说，正如许多人已经指出的那样，如果您要进行任何实际工作，那么您应该考虑使用 NumPy。

---

关于性能，这里有一些比较 python 列表、数组和 numpy 数组的数字（所有这些都在 2017 Macbook Pro 上使用 Python 3.7）。最终结果是 python 列表对于这些操作是最快的。

# Python list with append()
np.mean(timeit.repeat(setup="a = []", stmt="a.append(1.0)", number=1000, repeat=5000)) * 1000
# 0.054 +/- 0.025 msec

# Python array with append()
np.mean(timeit.repeat(setup="import array; a = array.array('f')", stmt="a.append(1.0)", number=1000, repeat=5000)) * 1000
# 0.104 +/- 0.025 msec

# Numpy array with append()
np.mean(timeit.repeat(setup="import numpy as np; a = np.array([])", stmt="np.append(a, [1.0])", number=1000, repeat=5000)) * 1000
# 5.183 +/- 0.950 msec

# Python list using +=
np.mean(timeit.repeat(setup="a = []", stmt="a += [1.0]", number=1000, repeat=5000)) * 1000
# 0.062 +/- 0.021 msec

# Python array using += 
np.mean(timeit.repeat(setup="import array; a = array.array('f')", stmt="a += array.array('f', [1.0]) ", number=1000, repeat=5000)) * 1000
# 0.289 +/- 0.043 msec

# Python list using extend()
np.mean(timeit.repeat(setup="a = []", stmt="a.extend([1.0])", number=1000, repeat=5000)) * 1000
# 0.083 +/- 0.020 msec

# Python array using extend()
np.mean(timeit.repeat(setup="import array; a = array.array('f')", stmt="a.extend([1.0]) ", number=1000, repeat=5000)) * 1000
# 0.169 +/- 0.034

---

如果您要使用数组，请考虑使用 numpy 或 scipy 包，它们为您提供了更多灵活性的数组。

---

数组只能用于特定类型，而列表可以用于任何对象。

数组也只能是一种类型的数据，而列表可以有各种对象类型的条目。

数组对于一些数值计算也更有效。

---

这个答案将总结几乎所有关于何时使用 List 和 Array 的查询：

这两种数据类型之间的主要区别在于您可以对它们执行的操作。例如，您可以将一个数组除以 3，它将数组的每个元素除以 3。列表不能这样做。该列表是python语法的一部分，因此不需要声明它，而您必须在使用它之前声明数组。您可以将不同数据类型的值存储在列表中（异构），而在 Array 中您只能存储相同数据类型的值（同类）。数组功能丰富且速度快，与列表相比，它广泛用于算术运算和存储大量数据。与列表相比，数组占用的内存更少。

---

numpy 数组和列表之间的一个重要区别是数组切片是原始数组的视图。这意味着数据不会被复制，对视图的任何修改都将反映在源数组中。

---