Python：复制一个`array.array`

除了创建一个新列表并复制值，或者使用

.to\u something

和

从某个对象复制值之外，还有什么方法可以在Python中复制列表（而不是
列表）？我似乎在文档中找不到任何东西。如果没有，是否有类似的内置数据类型可以做到这一点

我正在研究一个高性能模块，所以答案越快越好

我目前的解决方案只是使用
。to_bytes
和
。from_bytes
，这比我的测试快了大约1.8倍。
copy.copy（arr）
可以很好地工作。
不确定
数组.array
包含哪些内容，但使用示例：

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

一些机构：
各种方法的计时
（在Jupyter笔记本中使用%timeit magic）：
切片

In [1]: %timeit cp = a[:]

418 ns ± 4.89 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

Deepcopy

In [2]: %timeit cp = deepcopy(a)

1.83 µs ± 34 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [3]: %timeit cp = np.copy(a)

1.87 µs ± 62.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In[6]: pre = array.array('i', [0, 0, 0] * 1000)
In[7]: %timeit for i, element in enumerate(a): pre[i] = a[i]

344 µs ± 7.83 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

numpy复制。。。注意：这将生成一个numpy数组，而不是数组。数组

In [2]: %timeit cp = deepcopy(a)

1.83 µs ± 34 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [3]: %timeit cp = np.copy(a)

1.87 µs ± 62.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In[6]: pre = array.array('i', [0, 0, 0] * 1000)
In[7]: %timeit for i, element in enumerate(a): pre[i] = a[i]

344 µs ± 7.83 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

列表理解和数组.数组转换

In [4]: %timeit cp = array.array('i', [item for item in a])

147 µs ± 5.39 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [5]: %timeit cp = array.array('i', np.copy(a))

310 µs ± 2.25 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

numpy copy and array.array conversion

In [4]: %timeit cp = array.array('i', [item for item in a])

147 µs ± 5.39 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [5]: %timeit cp = array.array('i', np.copy(a))

310 µs ± 2.25 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

复制到现有阵列

In [2]: %timeit cp = deepcopy(a)

1.83 µs ± 34 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [3]: %timeit cp = np.copy(a)

1.87 µs ± 62.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In[6]: pre = array.array('i', [0, 0, 0] * 1000)
In[7]: %timeit for i, element in enumerate(a): pre[i] = a[i]

344 µs ± 7.83 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

您可以使用deepcopy和list-这是您想要的吗？
a[：]
怎么样？@Stefan测试了一下，它和我现在的方式差不多，但有时速度较慢。是的，idk为什么每个人都认为我指的是
list
s。你能展示一下你的测试吗？这并不能回答这个问题。若要评论或要求作者澄清，请在其帖子下方留下评论。-@31皮它究竟是如何回答这个问题的？看起来你没有读过这个问题。那么这种“批评或要求澄清”是如何进行的呢？我提到的一个我发现更快的是
a*1
。我怀疑在引擎盖下它相当于
a[：]
，但它进入引擎盖下的速度更快（比如，它到达复制代码的速度更快：）。不过，只有小数组才值得注意。如果我没说错的话，
array.array
无法存储可变项。因此，使用
copy.deepcopy
而不是
copy.copy
是没有意义的。