不确定你的 array.array 包括但使用示例:

>>> 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, ... ])

一些设置:

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

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)

深度复制

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

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

numpy复制。。。注意:这将生成一个numpy数组,而不是数组。大堆

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

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

列出理解和数组。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)

numpy复制和数组。数组转换

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[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)

您不需要numpy来复制 array.array 对象从那以后 大堆大堆 对象只能包含int、float或unicode字符,“浅拷贝”和“深拷贝”的概念在此不适用。

您可以使用 [:] 复制的技巧 array.array() 对象:

>>> import array
>>> x = array.array('B', b'\xFF' * 10)
>>> x
array('B', [255, 255, 255, 255, 255, 255, 255, 255, 255, 255])
>>> y = x[:]
>>> y
array('B', [255, 255, 255, 255, 255, 255, 255, 255, 255, 255])

您还可以将其传递给 大堆数组() 初始化器函数。

例如:

>>> import array
>>> x = array.array('B', b'\xFF' * 10)
>>> x
array('B', [255, 255, 255, 255, 255, 255, 255, 255, 255, 255])
>>> y = array.array('B', x)
>>> y
array('B', [255, 255, 255, 255, 255, 255, 255, 255, 255, 255])

确保传递相同的“类型代码”(即 'B' 在上述示例中)对于新 大堆大堆 对象

copy.copy(arr) 会很好的。