array比list省内存的根本原因是其为紧凑C数组，只存原始值，而list存对象指针并需额外开销；类型码须严格匹配范围，如'b'（-128~127）与'B'（0~255）易混淆；不支持增删中间元素、混合类型及list方法；初始化时range需转list，bytes长度须整除元素大小。
array模块比list省内存的根本原因是什么？
因为array是紧凑的C风格数组，每个元素只存原始值（比如4字节int），而list存储的是对象指针——哪怕你存的全是整数，Python也要为每个整数创建一个int对象，再额外维护引用计数、类型信息等开销。对百万级整数，内存差常常是3–5倍。
哪些类型码必须严格匹配数据范围？
选错typecode轻则报OverflowError，重则静默截断（比如用'b'存200会变成-56）。常见易踩坑组合：
-
'b'（有符号byte，-128~127）和'B'（无符号byte，0~255）——存像素值常用'B'，别误用'b' -
'i'（C int，通常32位）≠ Pythonint——超2**31-1时会溢出，安全起见优先用'q'（64位long） -
'f'（32位float）精度损失比'd'（64位）明显，科学计算慎用'f'
array不能直接替代list的三个典型场景
array不支持增删中间元素、不能存混合类型、没有list的丰富方法。遇到这些情况会立刻暴露短板：
- 需要频繁
.append()或.pop()——array虽支持，但内部可能触发多次realloc，性能反不如list - 要存
[1, 3.14, "hello"]——array强制同类型，直接报TypeError: array() argument 1 must be a unicode character - 要用
.sort()或.reverse()——array没这些方法，得转成list再操作，反而更费内存
初始化和转换时最容易忽略的细节
从现有数据构造array时，类型推导很脆弱：
立即学习“Python免费学习笔记（深入）”；
- 用
array('i', [1, 2, 3])没问题，但array('i', range(1000))会失败——range对象不被直接接受，得先list(range(1000))或用array('i').fromlist(list(range(1000))) - 从bytes初始化：
array('B', b'\x01\x02\x03')可行，但array('i', b'\x01\x02\x03')会报错——字节长度必须整除元素大小（'i'需4字节） - 转回list用
my_array.tolist()，别用list(my_array)——后者会走迭代器路径，慢且可能触发意外类型转换
真正省内存的前提是：数据类型单一、长度稳定、访问以索引为主。一旦开始频繁类型转换或混合操作，优势很快消失。
