在python中，array.array插入是如何工作的？

在python中，array.array是一种可变结构

但是，我不确定array.array结构中的插入操作是如何工作的

由于array.array使用连续内存，如果新元素不能以连续方式放置，它是否会创建新内存块并复制数组的所有元素？它是否为插入操作保留了额外的未使用空间？

列出以防万一

任何在引擎盖下将数据保存在连续内存区中的体面容器，都会分配比保存当前元素数量所需的内存更多的内存
插入（追加是一种特殊情况）元素时，如果没有空间容纳其他元素，会发生什么情况：

分配内存区域（当前大小+1（元素大小））

将数据复制到新区域

自由旧区

其他小操作（如大小（计数器）更新…）

如图所示，当追加（这是添加元素最常见的操作）时，将有大量需要时间和资源（CPU功率、内存）的工作

现代容器有一个不断增长的策略算法：每次需要重新分配内存区域时（容器已满），都会向现有大小中添加大量元素以计算新的大小，并且更多：N在每次重新分配时变得更大。这是为了最小化（昂贵的）内存操作
当然，在间隔的另一端，可能会为一个容器分配大量内存（例如，500个MiB），但这是不可行的，因为大量内存将作为保留内存“存放”在那里，以防所属容器可能需要它<毕竟，这只是一个妥协的问题

您可以以检查为例（大小和容量方法）

回到我们的问题：

array.array

确实是一个现代化的容器，它可以分配未使用的空间。发件人：

至于插入算法本身，请检查ins1功能：

• 检查（并更新）大小，如果需要，增加内存
• 插入位置之后的图元将向末端（“右”）移动一个位置
• 新元素将放置在插入位置

作为补充说明，其他Python容器使用这种技术，请查看更多详细信息

/* This over-allocates proportional to the array size, making room
 * for additional growth.  The over-allocation is mild, but is
 * enough to give linear-time amortized behavior over a long
 * sequence of appends() in the presence of a poorly-performing
 * system realloc().
 * The growth pattern is:  0, 4, 8, 16, 25, 34, 46, 56, 67, 79, ...
 * Note, the pattern starts out the same as for lists but then
 * grows at a smaller rate so that larger arrays only overallocate
 * by about 1/16th -- this is done because arrays are presumed to be more
 * memory critical.
 */