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

python 复制代码
# 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}]
python 复制代码
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。

ini 复制代码
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。

ini 复制代码
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

python 复制代码
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

python 复制代码
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。
python 复制代码
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。
python 复制代码
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

python 复制代码
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

python 复制代码
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

python 复制代码
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。
相关推荐
杨凯凡11 小时前
IT日报|2026-11-20:欧盟 AI 网络攻击、Valkey 9.2、GitHub 企业迁移
人工智能·github
TunerT_TQ12 小时前
Terraform OCI Provider 2026:工具链的骨架清晰可见,CRUD 的肌肉必须由你亲自验证
github
prince_zxill12 小时前
把 17 个散文件装进一个文件夹:拆解 claude-plugins-official 的插件打包术(47,413 Star 实测)
python·github·agent·mcp·claude code
wflynn12 小时前
GitHub 日榜趋势速报 | 2026-11-20
开源·github
TunerT_TQ15 小时前
【开源评测】google-labs-code/stitch-skills:从设计交接到可检查的组件产物
github
一条Go16 小时前
探测规则:为什么它是告警规则的一种,而不是独立的任务体系
后端·架构·github
一条Go16 小时前
开源新生代雷达 · 第 17 期
github
怕浪猫16 小时前
2026 GitHub 最火的 10 个视频制作与剪辑开源项目:AI 出片、代码生视频、无损剪辑怎么选(附实测截图)
github
dong_junshuai1 天前
每天一个开源项目#162 NGINX:流式响应背后的缓冲、背压与重试
github
测试员周周1 天前
【agent评测】:真实系统演示工具调用长什么样,用例怎么设计,怎么测
前端·后端·github