博客
关于我
一文搞懂Python中的所有数组数据类型
阅读量:204 次
发布时间:2019-02-28

本文共 1340 字,大约阅读时间需要 4 分钟。

Python中的数组类型解析:从 list 到 bytes

在编程领域,数组是许多语言中最基础的数据结构。对于Python而言,提供了多种数组类型,每种类型都有其独特的特点和适用场景。本文将从多个维度对这些数组类型进行分析。


0x00 可变的动态列表 list

动态列表(list)是Python中最常用的数组类型。它的最大特点是可变性,支持动态扩容,并且可以存储Python中的一切对象。这种灵活性使其在开发中极为常用。

优点:

  • 多样性:可以存储任意Python对象。
  • 动态扩容:无需提前指定元素类型,支持实时增删改。

示例:

arr = ["one", "two", "three"]arr.append(4)  # 动态扩容del arr[2]    # 删除元素

0x01 不可变的 tuple

Tuple(元组)与list类似,但其最大特点是不可变性。一旦创建,元组的元素无法修改,也无法扩容。

优点:

  • 内存效率:占用内存空间较少。
  • 运算优化:适合需要频繁读取和并行操作的场景。

示例:

t = ('one', 'two', 3)t += (1,)   # 生成新元组tcopy = t + (1,)

0x02 array.array

如果需要操作低级别的数组,Python提供了array模块。与list和tuple不同,array数组可变性,但只能存储相同类型的数据。

优点:

  • 空间效率:内存占用较低。
  • 类型统一:只能存储特定类型的数据。

示例:

arr = array.array('f', [1.0, 1.5, 2.0, 2.5])arr.append(4.89)

0x03 字符串序列 str

在Python3中,str对象表示文本字符序列,其特点是不可变且支持Unicode字符。

优点:

  • 字符序列:每个元素都是字符串对象。
  • 不可变性:无法修改元素。

示例:

s = '123abc's[0]  # 获取字符sn = list(s)  # 转换为列表操作

0x04 bytes 和 bytearray

Bytes对象用于存储字节序列,bytearray则是可变的字节数组。两者在功能上有明显差异。

bytes(不可变字节数组)

  • 字节值范围为0-256。
  • 不支持动态修改操作。

bytearray(可变字节数组)

  • 可动态扩容。
  • 支持修改和删除操作。

示例:

ba = bytearray((1, 3, 5, 7, 9))ba.append(6)  # 添加元素

0x05 数据类型之间的转换

list 与 tuple

tuple_l = list(t)

str 与 list

l = list('abc')''.join(l)  # 转换为字符串

bytes 与 str

s = '123'b = s.encode('utf-8')  # 转换为字节序列

0x06 总结

在实际开发中,选择合适的数组类型至关重要。例如:

  • 如果需要动态管理数据,优先选择list或bytearray。
  • 如果需要高效的内存占用,使用array.array。
  • 如果需要存储文本或二进制数据,选择str或bytes。

了解这些数组类型的特点和用法,可以帮助开发者更高效地完成编程任务。

转载地址:http://pddp.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>