Python：复制“array.array”

Question

除了创建一个新值并复制值或使用and之外，还有一种方法可以在 Python 中复制 an array.array（而不是 a ）吗？我似乎在文档中找不到任何内容。如果没有，是否有类似的内置数据类型可以做到这一点？list.to_something.from_something

我正在开发一个高性能模块，所以答案越快越好。

我当前的解决方案只是使用.to_bytesand .from_bytes，根据我的测试，速度大约快 1.8 倍。

Answer 1

不确定你array.array包含什么，但使用示例：

\n\n

>>> import array\n>>> a = array.array('i', [1, 2, 3] * 1000)\narray('i', [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1,\n2, 3, 1, 2, 3, 1, 2, 3, 1, 2, ... ])\n

\n\n

一些设置：

\n\n

>>> from copy import deepcopy\n>>> import numpy as np\n

\n\n

计时各种方法

\n\n

（在 Jupyter Notebook 中使用 %timeit 魔法）：

\n\n

切片

\n\n

In [1]: %timeit cp = a[:]\n\n418 ns \xc2\xb1 4.89 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 1000000 loops each)\n

\n\n

深复制

\n\n

In [2]: %timeit cp = deepcopy(a)\n\n1.83 \xc2\xb5s \xc2\xb1 34 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 1000000 loops each)\n

\n\n

numpy copy ... 注意：这会生成一个 numpy 数组，而不是 array.array

\n\n

In [3]: %timeit cp = np.copy(a)\n\n1.87 \xc2\xb5s \xc2\xb1 62.4 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 1000000 loops each)\n

\n\n

列表理解和 array.array 转换

\n\n

In [4]: %timeit cp = array.array('i', [item for item in a])\n\n147 \xc2\xb5s \xc2\xb1 5.39 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 10000 loops each)\n

\n\n

numpy 复制和 array.array 转换

\n\n

In [5]: %timeit cp = array.array('i', np.copy(a))\n\n310 \xc2\xb5s \xc2\xb1 2.25 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 1000 loops each)\n

\n\n

复制到现有阵列

\n\n

In[6]: pre = array.array('i', [0, 0, 0] * 1000)\nIn[7]: %timeit for i, element in enumerate(a): pre[i] = a[i]\n\n344 \xc2\xb5s \xc2\xb1 7.83 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 1000 loops each)\n

\n