• array —- 高效的数值数组

    array —- 高效的数值数组


    此模块定义了一种对象类型,可以紧凑地表示基本类型值的数组:字符、整数、浮点数等。 数组属于序列类型,其行为与列表非常相似,不同之处在于其中存储的对象类型是受限的。 类型在对象创建时使用单个字符的 类型码 来指定。 已定义的类型码如下:

    类型码

    C 类型

    Python 类型

    以字节表示的最小尺寸

    注释

    ‘b’

    signed char

    int

    1

    ‘B’

    unsigned char

    int

    1

    ‘u’

    wchar_t

    Unicode 字符

    2

    (1)

    ‘h’

    signed short

    int

    2

    ‘H’

    unsigned short

    int

    2

    ‘i’

    signed int

    int

    2

    ‘I’

    unsigned int

    int

    2

    ‘l’

    signed long

    int

    4

    ‘L’

    unsigned long

    int

    4

    ‘q’

    signed long long

    int

    8

    ‘Q’

    unsigned long long

    int

    8

    ‘f’

    float

    float

    4

    ‘d’

    double

    float

    8

    注释:

    1. 由于平台的不同它可能为 16 位或 32 位。

      在 3.9 版更改: array('u') 现在使用 wchar_t 作为 C 类型而不再是已弃用的 Py_UNICODE。 这个改变不会影响其行为,因为 Py_UNICODE 自 Python 3.3 起就是 wchar_t 的别名。

      Deprecated since version 3.3, will be removed in version 4.0.

    值的实际表示会由机器的架构决定(严格地说是由 C 实现决定)。 实际大小可通过 itemsize 属性来获取。

    这个模块定义了以下类型:

    class array.array(typecode[, initializer])

    一个包含由 typecode 限制类型的条目的新数组,并由可选的 initializer 值进行初始化,该值必须为一个列表、bytes-like object 或包含正确类型元素的可迭代对象。

    如果给定一个列表或字符串,该 initializer 会被传给新数组的 fromlist(), frombytes()fromunicode() 方法(见下文)以将初始条目添加到数组中。 否则会将可迭代对象作为 initializer 传给 extend() 方法。

    引发一个 审计事件 array.__new__ 附带参数 typecode, initializer

    array.typecodes

    包含所有可用类型码的字符串。

    数组对象支持普通的序列操作如索引、切片、拼接和重复等。 当使用切片赋值时,所赋的值必须为具有相同类型码的数组对象;所有其他情况都将引发 TypeError。 数组对象也实现了缓冲区接口,可以用于所有支持 字节类对象 的场合。

    以下数据项和方法也受到支持:

    array.typecode

    用于创建数组的类型码字符。

    array.itemsize

    在内部表示中一个数组项的字节长度。

    array.append(x)

    添加一个值为 x 的新项到数组末尾。

    array.buffer_info()

    返回一个元组 (address, length) 以给出用于存放数组内容的缓冲区元素的当前内存地址和长度。 以字节表示的内存缓冲区大小可通过 array.buffer_info()[1] * array.itemsize 来计算。 这在使用需要内存地址的低层级(因此不够安全) I/O 接口时会很有用,例如某些 ioctl() 操作。 只要数组存在并且没有应用改变长度的操作,返回数值就是有效的。

    注解

    当在 C 或 C++ 编写的代码中使用数组对象时(这是有效使用此类信息的唯一方式),使用数组对象所支持的缓冲区接口更为适宜。 此方法仅保留用作向下兼容,应避免在新代码中使用。 缓冲区接口的文档参见 缓冲协议

    array.byteswap()

    “字节对调”所有数组项。 此方法只支持大小为 1, 2, 4 或 8 字节的值;对于其他值类型将引发 RuntimeError。 它适用于从不同字节序机器所生成的文件中读取数据的情况。

    array.count(x)

    返回 x 在数组中的出现次数。

    array.extend(iterable)

    将来自 iterable 的项添加到数组末尾。 如果 iterable 是另一个数组,它必须具有 完全 相同的类型码;否则将引发 TypeError。 如果 iterable 不是一个数组,则它必须为可迭代对象并且其元素必须为可添加到数组的适当类型。

    array.frombytes(s)

    添加来自字符串的项,将字符串解读为机器值的数组(相当于使用 fromfile() 方法从文件中读取数据)。

    3.2 新版功能: fromstring() 重命名为 frombytes() 以使其含义更清晰。

    array.fromfile(f, n)

    file object f 中读取 n 项并将它们添加到数组末尾。 如果可用数据少于 n 项,则会引发 EOFError,但可用的项仍然会被插入数组。

    array.fromlist(list)

    添加来自 list 的项。 这等价于 for x in list: a.append(x),区别在于如果发生类型错误,数组将不会被改变。

    array.fromunicode(s)

    使用来自给定 Unicode 字符串的数组扩展数组。 数组必须是类型为 'u' 的数组;否则将引发 ValueError。 请使用 array.frombytes(unicodestring.encode(enc)) 来将 Unicode 数据添加到其他类型的数组。

    array.index(x)

    返回最小的 i 使得 ix 在数组中首次出现的序号。

    array.insert(i, x)

    将值 x 作为新项插入数组的 i 位置之前。 负值将被视为相对于数组末尾的位置。

    array.pop([i])

    从数组中移除序号为 i 的项并将其返回。 可选参数值默认为 -1,因此默认将移除并返回末尾项。

    array.remove(x)

    从数组中移除首次出现的 x

    array.reverse()

    反转数组中各项的顺序。

    array.tobytes()

    将数组转换为一个机器值数组并返回其字节表示(即相当与通过 tofile() 方法写入到文件的字节序列。)

    3.2 新版功能: tostring() 被重命名为 tobytes() 以使其含义更清晰。

    array.tofile(f)

    将所有项(作为机器值)写入到 file object f

    array.tolist()

    将数组转换为包含相同项的普通列表。

    array.tounicode()

    将数组转换为一个 Unicode 字符串。 数组必须是类型为 'u' 的数组;否则将引发 ValueError。 请使用 array.tobytes().decode(enc) 来从其他类型的数组生成 Unicode 字符串。

    当一个数组对象被打印或转换为字符串时,它会表示为 array(typecode, initializer)。 如果数组为空则 initializer 会被省略,否则如果 typecode'u' 则它是一个字符串,否则它是一个数字列表。 使用 eval() 保证能将字符串转换回具有相同类型和值的数组,只要 array 类已通过 from array import array 被引入。 例如:

    1. array('l')
    2. array('u', 'hello \u2641')
    3. array('l', [1, 2, 3, 4, 5])
    4. array('d', [1.0, 2.0, 3.14])

    参见

    模块 struct

    打包和解包异构二进制数据。

    模块 xdrlib

    打包和解包用于某些远程过程调用系统的 External Data Representation (XDR) 数据。

    Numerical Python 文档

    Numeric Python 扩展 (NumPy) 定义了另一种数组类型;请访问 http://www.numpy.org/ 了解有关 Numerical Python 的更多信息。