Python list与array关键区别及使用场景

Python list与array关键区别及使用场景

---

一、关键区别

对比项	list	array.array
元素类型	任意类型，可混合	必须同类型（如全是 int）
内存存储	存对象指针（引用）	存值本身
内存占用	大	小
导入	内置，直接用	from array import array
支持类型	所有 Python 对象	仅数字、字符等基本类型
丰富方法	append、extend、sort、reverse、count、index、pop、remove、insert、clear、copy 等	方法少，主要是 append、extend、insert、pop、remove、fromlist、tolist 等
向量化运算	❌	❌
典型用途	通用容器	大量同类型数字，省内存

1. 元素类型

# list：什么都能放
lst = [1, "hello", 3.14, True, None, [1, 2], {"a": 1}]
print(lst)   # [1, 'hello', 3.14, True, None, [1, 2], {'a': 1}]

from array import array

# array：只能放同类型
arr = array('i', [1, 2, 3, 4, 5])   # 'i' 表示 int
print(arr)   # array('i', [1, 2, 3, 4, 5])

arr.append("hello")   # ❌ TypeError: an integer is required

2. 内存布局

list ：连续内存，但存的是指针，指向堆里的对象。

lst: [ptr1][ptr2][ptr3]
        ↓     ↓     ↓
       1   "hello"  3.14
      （对象分散在堆内存，每个对象还有额外开销）

array ：连续内存，直接存值本身。

arr: [1][2][3][4][5]
     每个格子直接存一个 int，没有额外指针和对象开销

3. 内存占用对比

import sys
from array import array

lst = list(range(1000))
arr = array('i', range(1000))

print(sys.getsizeof(lst))   # 约 8000+ 字节（存指针）
print(sys.getsizeof(arr))   # 约 4000 字节（存 int 值）

数据量越大，array 省内存的优势越明显。

4. 性能

import timeit
from array import array

# list
t1 = timeit.timeit('[x for x in range(100000)]', number=100)

# array
t2 = timeit.timeit('array("i", range(100000))', setup='from array import array', number=100)

print(t1, t2)

array 在存储同类型数字 时通常更快、更省内存，但功能少。

---

二、为什么 list 用法比 array 多很多？

根本原因：设计目标不同。

1. list 是"通用容器"

list 的设计目标是：什么都能装，什么都能干。

• 元素类型任意，所以需要处理各种对象的比较、排序、查找。
• 因此提供了大量通用方法：sort、reverse、count、index、copy、clear、pop、remove、insert、extend 等。
• 支持切片、推导式、嵌套、解包等高级用法。

lst = [3, 1, 4, 1, 5]
lst.sort()          # 排序
lst.reverse()       # 反转
lst.count(1)        # 计数
lst.index(4)        # 查找
lst[1:3]            # 切片
[x**2 for x in lst] # 推导式
a, *rest = lst      # 解包

2. array 是"专用存储"

array 的设计目标是：高效存储同类型基本数据。

• 元素类型固定，很多通用操作没必要或没法做。
• 它的重点是省内存、快速读写，不是"功能丰富"。
• 所以只提供最基本的增删查改，没有 sort（其实有 tolist 后可以排）、没有推导式、没有嵌套。

from array import array

arr = array('i', [3, 1, 4, 1, 5])
arr.append(6)       # 增
arr.pop()           # 删
arr[0] = 100        # 改
arr[1]              # 查
arr.tolist()        # 转成 list，之后才能用 list 的方法

3. list 是语言核心，array 是标准库模块

• list 是 Python 内置类型 ，有专门的语法支持（[...]、推导式、切片）。
• array 是标准库模块 ，需要 import，没有语法糖，只是普通类。

4. list 的通用性带来更多需求

因为 list 什么都能装，所以用户会提出各种需求：

• 排序？加 sort。
• 反转？加 reverse。
• 计数？加 count。
• 查找？加 index。
• 复制？加 copy。

而 array 只装数字，用户对它的期待就是"省内存地存数字"，不需要那么多花哨功能。

---

三、array 有哪些 list 没有的优势？

虽然 array 方法少，但它有 list 没有的：

1. 省内存

import sys
from array import array

lst = list(range(1000000))
arr = array('i', range(1000000))

print(sys.getsizeof(lst))   # 约 800 万字节
print(sys.getsizeof(arr))   # 约 400 万字节

2. 类型安全

from array import array

arr = array('i', [1, 2, 3])
arr.append("hello")   # ❌ TypeError，防止存错类型

list 不会报错，可能埋下 bug。

3. 和 C 交互方便

array 可以直接和 C 的数组交互，list 不行。

4. 支持的类型码

from array import array

# 类型码：
# 'b' 有符号 char
# 'B' 无符号 char
# 'i' 有符号 int
# 'f' float
# 'd' double

arr = array('d', [1.0, 2.0, 3.0])   # double 数组
print(arr)   # array('d', [1.0, 2.0, 3.0])

---

四、什么时候用 array？

场景	推荐
通用数据存储	list
元素类型混合	list
需要排序、切片、推导式	list
大量同类型数字，省内存	array
和 C 交互	array
科学计算	numpy.ndarray
需要向量化运算	numpy.ndarray

日常开发 99% 用 list ，array 只在内存敏感 + 同类型数字时才有优势。

---

五、list vs array vs numpy.ndarray

对比项	list	array.array	numpy.ndarray
元素类型	任意	同类型	同类型
内存	大（存指针）	小（存值）	小（存值）
方法丰富度	最多	少	多（数值计算）
向量化	❌	❌	✅
多维	嵌套列表	❌	✅
排序	✅	需转 list	✅
切片	✅	✅	✅
导入	内置	import array	import numpy
用途	通用	省内存	科学计算

---

六、一句话总结

问题	答案
list 和 array 关键区别？	list 存任意类型指针 ，array 存同类型值
为什么 list 用法多？	list 是通用容器 ，内置类型，有语法支持；array 是专用存储，只装数字
array 优势？	省内存、类型安全、和 C 交互
array 劣势？	方法少、只能同类型、没有语法糖
日常用哪个？	99% 用 list
什么时候用 array？	大量同类型数字 + 内存敏感
科学计算用什么？	numpy.ndarray

核心记住：

1. list 是"什么都能装的通用容器"，所以方法多、用法多。
2. array 是"只能装同类型数字的省内存容器"，所以方法少。
3. 用法多少的根源是设计目标不同：一个追求通用，一个追求高效存储。
4. 日常开发用 list，内存敏感的同类型数字用 array，科学计算用 numpy。