Массивы Python

В этой главе рассматривается встроенный модуль Python array, предоставляющий компактную последовательность с ограничением типа для хранения однородных числовых данных. Вы узнаете, что такое типкоды, как создавать и индексировать массивы, как изменять их с помощью полного набора доступных методов и — что особенно важно — когда array является правильным выбором вместо обычного Python-списка.

Что такое модуль array?

Модуль Python array предоставляет тип последовательности, хранящий элементы единственного совместимого с C числового типа. В отличие от списка, который может содержать любой набор объектов, каждый слот в array хранит ровно одно и то же примитивное значение (целое число, число с плавающей точкой и т. д.). Это ограничение делает массивы более эффективными с точки зрения использования памяти, чем списки, при хранении больших коллекций чисел.

Ключевые особенности:

• Определён в стандартной библиотеке — установка не требуется.
• Все элементы должны иметь одинаковый типкод (один символ, идентифицирующий тип C).
• Поддерживает стандартные операции с последовательностями: индексирование, срезы, итерацию, len() и проверку членства с помощью in.
• Полезен, когда нужно компактное хранение данных без обращения к сторонним библиотекам вроде NumPy.

Если вы уже знакомы со списками Python, думайте об array как о списке, который жертвует гибкостью ради экономии памяти.

Типкоды

Каждый array создаётся с типкодом — строкой из одного символа, указывающей Python, какой тип C использовать для каждого элемента и сколько байт занимает каждый слот.

Фактический размер в байтах может варьироваться в зависимости от платформы. Используйте array.itemsize, чтобы узнать его во время выполнения.

Примечание о 'u' (символ Unicode): Этот типкод был устаревшим начиная с Python 3.3 и удалён в Python 3.13. Не используйте его в новом коде — вместо него применяйте str или bytes.

Создание массивов

Импортируйте модуль и вызовите array.array(typecode, initializer), где initializer — любой итерируемый объект из значений, совместимых с выбранным типкодом.

import array as arr

# Array of signed integers
int_array = arr.array('i', [1, 2, 3, 4, 5])
print(int_array)          # array('i', [1, 2, 3, 4, 5])

# Array of double-precision floats
float_array = arr.array('d', [1.1, 2.2, 3.3])
print(float_array)        # array('d', [1.1, 2.2, 3.3])

# Inspect the typecode and bytes-per-element
print(int_array.typecode)   # i
print(int_array.itemsize)   # 4  (platform-dependent)

Можно также создать пустой массив и заполнить его позже:

import array as arr

empty = arr.array('i')   # empty integer array
empty.append(10)
empty.append(20)
print(empty)             # array('i', [10, 20])

Обращение к элементам массива

Индексирование массива работает точно так же, как индексирование списка: с нуля слева, а отрицательные индексы отсчитываются справа.

Обращение к индексу за пределами допустимого диапазона вызывает IndexError, точно так же, как и для списков.

Срезы массивов

Срез возвращает новый array с тем же типкодом, содержащий выбранные элементы. Синтаксис: a[start:stop:step] — такой же, как для списков и строк.

Итерация по массиву

Можно перебирать элементы массива с помощью цикла for или проверять вхождение с помощью in:

import array as arr

a = arr.array('i', [10, 20, 30, 40, 50])

for item in a:
    print(item, end=' ')
# Output: 10 20 30 40 50

print()
print(30 in a)   # True
print(99 in a)   # False
print(len(a))    # 5

Изменение массивов

Массивы являются изменяемыми — после создания можно изменять, добавлять и удалять элементы.

Изменение элемента

Присвойте новое значение непосредственно по индексу:

Добавление элементов

Используйте append() для добавления одного элемента в конец или extend() для добавления нескольких элементов из любого итерируемого объекта:

Используйте insert(index, value) для вставки элемента в заданную позицию:

import array as arr

a = arr.array('i', [1, 2, 3, 4, 5])

a.insert(2, 10)   # insert 10 before index 2
print(a)          # array('i', [1, 2, 10, 3, 4, 5])

Удаление элементов

remove(value) удаляет первое вхождение указанного значения и вызывает ValueError, если оно не найдено:

pop(index) удаляет и возвращает элемент по index (по умолчанию — последний элемент):

import array as arr

a = arr.array('i', [1, 2, 3, 4, 5])

last = a.pop()     # removes and returns 5
print(last)        # 5
print(a)           # array('i', [1, 2, 3, 4])

second = a.pop(1)  # removes and returns element at index 1
print(second)      # 2
print(a)           # array('i', [1, 3, 4])

Поиск и подсчёт

index(value) возвращает индекс первого вхождения value (вызывает ValueError, если значение отсутствует):

import array as arr

a = arr.array('i', [10, 20, 30, 20, 40])

print(a.index(20))   # 1 — first occurrence
print(a.index(30))   # 2

count(value) возвращает количество вхождений value:

import array as arr

a = arr.array('i', [1, 2, 2, 3, 2, 4])

print(a.count(2))   # 3
print(a.count(9))   # 0

Разворот массива

reverse() разворачивает массив на месте:

import array as arr

a = arr.array('i', [1, 2, 3, 4, 5])

a.reverse()
print(a)   # array('i', [5, 4, 3, 2, 1])

Преобразование между массивами и списками

tolist() преобразует массив в стандартный Python-список. Чтобы выполнить обратное преобразование, передайте список в array.array():

import array as arr

a = arr.array('i', [1, 2, 3, 4, 5])

# array → list
my_list = a.tolist()
print(my_list)          # [1, 2, 3, 4, 5]
print(type(my_list))    # <class 'list'>

# list → array
back = arr.array('i', my_list)
print(back)             # array('i', [1, 2, 3, 4, 5])

Изменение типа элементов

Атрибут typecode доступен только для чтения. Чтобы сохранить те же значения с другим типом, создайте новый массив, используя исходный в качестве инициализатора:

Эффективность памяти: массивы vs. списки

Основная практическая причина использовать модуль array вместо списка — это память. Список хранит ссылки на Python-объекты; array хранит необработанные значения C напрямую.

import array as arr
import sys

n = 1000
my_list  = list(range(n))
my_array = arr.array('i', range(n))

print('List  size:', sys.getsizeof(my_list),  'bytes')
print('Array size:', sys.getsizeof(my_array), 'bytes')
# Example output (64-bit platform):
# List  size: 8056 bytes
# Array size: 4096 bytes

Для больших наборов данных (сотни тысяч целых чисел) экономия становится весьма значительной. Если вам нужны ещё большие возможности — векторизованные вычисления, многомерные массивы — рассмотрите NumPy.

Когда использовать array, а когда списки

Используйте модуль array, когда:

• Вы храните большое количество однородных числовых значений (показания датчиков, данные пикселей, сетевые буферы и т. д.).
• Использование памяти является проблемой и вы не можете использовать стороннюю библиотеку.
• Вы читаете из двоичных файлов или сетевых сокетов или записываете в них (методы tofile() / fromfile() делают это простым).

Используйте списки Python, когда:

• Нужно хранить смешанные типы или произвольные объекты.
• Коллекция небольшая и память не является проблемой.
• Вам нужны расширенные методы списков, например sort() с функцией-ключом.

Используйте NumPy, когда:

• Нужны математические операции над целыми массивами (векторизованная арифметика, матричная алгебра, статистика).
• Вы работаете с многомерными данными.

Справочник методов

Практика