位图是用单个比特存储布尔值的紧凑结构，Python中可用bytearray手动位操作或bitarray库实现；list[bool]因每个bool占28字节导致内存浪费，而位图100万位仅需125KB，压缩比超220:1。
位图（Bitmap）不是图像格式，而是用单个比特存储布尔值的紧凑结构——Python 里最直接、零依赖的实现是 bytearray 或 array.array('B') 手动位操作；第三方库 bitarray 更安全易用，但需额外安装。
为什么不用 list[bool] 存海量开关状态？
Python 的 bool 实际是 int 子类，每个占 28 字节（CPython 3.12），100 万个布尔值约耗 28 MB 内存；而位图只需 ⌈1000000 / 8⌉ = 125000 字节，压缩比超 220:1。更关键的是，list 的随机访问是 O(1)，但位图的位级访问本身也是 O(1)，且缓存局部性更好。
常见误判：以为 numpy.bool_ 能省空间——其实它仍是每元素 1 字节（8 倍于理论下限），且带完整 NumPy 开销。
手写位图：用 bytearray 实现 set_bit() 和 get_bit()
核心是把逻辑索引 i 拆成字节偏移 i // 8 和位偏移 i % 8，再用位运算读写：
立即学习“Python免费学习笔记（深入）”；
librosa Python 音频与音乐分析库
下载
librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具，基于 NumPy 和 SciPy 构建，用于科学音频计算。
bitmap = bytearray((n_bits + 7) // 8) # 分配足够字节数 <p>def set_bit(i): byte_idx, bit_idx = i // 8, i % 8 bitmap[byte_idx] |= (1 << bit_idx)</p><p>def get_bit(i): byte_idx, bit_idx = i // 8, i % 8 return (bitmap[byte_idx] >> bit_idx) & 1
注意点：
- 索引
i必须 ≥ 0 且 assert 0 - 右移后必须
& 1，否则高位残留可能返回非 0/1 整数 - 写入时用
|=而非=，避免覆盖同字节其他位 - 初始化用
bytearray(size)得到全 0，比bytes可变
用 bitarray 库替代手写（推荐生产环境）
bitarray 是 C 扩展，支持切片、序列协议、内存视图，且自动处理大小端、边界对齐：
from bitarray import bitarray a = bitarray(1000000) # 默认全 False a[42] = True a[100:200] = True # 批量赋值 print(a[42]) # True print(a.buffer_info()) # 查看底层 bytes 地址和长度
安装与陷阱：
-
pip install bitarray—— Windows 用户若报编译错误，优先用conda install bitarray - 不要用
bitarray('101')初始化字符串，它会逐字符转 ASCII 码；要用bitarray('101', endian='big')或先转list[bool] - 与 NumPy 互操作需通过
.tobytes()或bitarray(buffer=...)，不支持直接np.array(a)
位图压缩的隐藏成本：CPU vs 内存权衡
位图节省内存，但每次读写都多一层计算（除法、取模、位移），在热点路径中可能比 list[bool] 慢 2–3 倍。是否值得，取决于场景：
- 数据量 > 10 万且长期驻留内存 → 位图明显优势
- 频繁随机读写 + CPU 敏感 → 测量实际性能，别只看理论压缩比
- 需要原子操作（如并发 set/get）→
bitarray不提供线程安全，得自己加锁；bytearray的单字节写是原子的，但跨字节位操作不是 - 后续要序列化传输 →
bitarray.tobytes()直接得紧凑二进制，比 JSON/picklelist[bool]小两个数量级
真正容易被忽略的是位序：多数人默认“第 0 位是最低位”，但某些协议或硬件要求最高位优先（MSB-first），bitarray 默认是 LSB-first，需显式传 endian='big'。没对齐这点，跨系统解析就会全错。
