Python中创建支持索引读写的整数/浮点数类列表对象的最快方法

嘿，针对你这个问题——要做一个能快速执行索引获取和索引修改的类列表对象，而且专门存整数/浮点数这种简单类型，核心思路就是要避开Python普通对象带来的额外开销，毕竟咱们要的是“最快”嘛。

先明确你的核心需求：两个基础操作obj[index]和obj[index] = value，那直接用Python底层优化过的数组结构肯定是最优解，下面给你列几个最靠谱的方案：

1. 用标准库array模块（首推：平衡速度、轻量、无依赖） #

array.array是Python自带的模块，专门用来存储同类型的数值，底层是C实现的连续数组，比普通列表更紧凑，读写速度几乎和原生C数组看齐，而且天然支持你要的两个索引操作，完全不需要自己写额外逻辑。

举个例子：

import array

# 'i'代表存储int类型，可选的类型码还有：'d'（双精度浮点数）、'f'（单精度浮点数）
num_list = array.array('i', [10, 20, 30, 40])

# 获取指定索引的元素
print(num_list[1])  # 输出20
# 修改指定索引的元素
num_list[2] = 300
print(num_list)  # 输出array('i', [10, 20, 300, 40])

这个方案的优势在于：标准库自带不用额外装包，速度快，内存占用比普通列表小（因为不用包装每个数值成Python对象），完美匹配你的需求。

2. 用NumPy数组（适合需要后续数值运算的场景） #

如果你的类列表对象之后还要做数值计算（比如加减乘除、矩阵操作），那NumPy的ndarray绝对是更快的选择——它的索引操作是高度优化的C实现，比普通列表快几个数量级，而且同样天然支持索引读写。

示例代码：

import numpy as np

# 指定dtype为float64（双精度浮点数），确保存储的是你需要的数值类型
num_arr = np.array([1.2, 3.4, 5.6], dtype=np.float64)

# 获取元素
print(num_arr[0])  # 输出1.2
# 修改元素
num_arr[1] = 9.9
print(num_arr)  # 输出array([1.2, 9.9, 5.6])

要是单纯只做索引读写，它的速度和array.array差不多，但如果有后续数值运算需求，NumPy的优势就非常明显了。

3. 自定义类（不推荐，除非有特殊定制需求） #

如果一定要自己写类来实现，那得尽量减少Python层面的开销，比如用__slots__减少内存占用，或者直接继承collections.abc.MutableSequence但只实现必要的方法，但这种方式肯定比上面两种慢——因为每次索引操作都要经过Python的方法调用，多了一层开销。

举个最简化的自定义实现（本质还是依赖array.array来提速）：

import array
from collections.abc import MutableSequence

class NumList(MutableSequence):
    __slots__ = ('_data',)  # 限制属性，减少内存开销
    def __init__(self, init_data):
        # 内部用array.array存储，借它的底层速度
        self._data = array.array('d', init_data)
    
    def __getitem__(self, idx):
        return self._data[idx]
    
    def __setitem__(self, idx, value):
        self._data[idx] = value
    
    def __len__(self):
        return len(self._data)
    
    # 继承MutableSequence必须实现的方法，要是用不上可以留空但别报错
    def insert(self, idx, value):
        self._data.insert(idx, value)
    
    def __delitem__(self, idx):
        del self._data[idx]

但说实话，这种自定义方式完全没必要，因为直接用array.array已经能满足需求，还更快更省心。

为啥你之前看的帖子方案没用？ #

你提到之前的帖子解决不了问题，大概率是那些方案要么用了普通列表包装（有Python对象开销）、要么用字典模拟索引（速度慢）、要么是只读的生成器（不支持修改）——这些都不符合“最快+支持读写索引”的要求。而上面的array.array和NumPy数组都是直接操作底层同类型数值，完全踩中你的需求点。

总结一下：单纯要索引读写，选array.array；要数值运算，选NumPy数组。这俩都是目前最快的方案了。

内容的提问来源于stack exchange，提问作者ArthurQ