《流畅的Python》结论与实测矛盾：Python array为何比List内存占用更高？

这个问题确实挺反直觉的，毕竟《流畅的Python》明确说array像C数组一样精简，那咱们来拆解可能的原因：

1. 你可能用错了内存测量方式 #

最常见的坑是只用sys.getsizeof()来对比，但这个函数只返回对象自身的内存大小，不包含它引用的元素的内存：

• 对于List来说，sys.getsizeof(L)只算了列表结构体本身+存储指针的数组的大小，而每个列表元素指向的独立float对象（在CPython里每个float对象占24字节左右）的内存没被统计进去。
• 对于array来说，sys.getsizeof(floats)已经包含了所有原始double数据的内存（因为array直接存储原始数值，不是指针）。

如果只看这个数值，可能会误以为array占内存更多，但算上List所有元素对象的总内存，List的开销会比array大得多。

2. 初始化方式带来的临时内存波动 #

你的测试代码里，array用的是生成器表达式(random() for i in range(10**7))初始化，而List用的是列表推导式[random() for i in range(10**7)]。在初始化过程中，生成器会逐个生成元素传给array，而列表推导式会一次性创建所有元素。如果你的内存测量是在初始化过程中做的（比如用工具实时监控），可能会捕捉到临时的内存峰值差异，但这不是最终的稳定内存占用。

3. array的结构体开销确实比List略大，但可忽略不计 #

CPython里，array.array对象的结构体比list的结构体多了一些字段（比如存储类型码、元素大小等信息），这点额外的开销对于10^7级别的元素来说，几乎可以忽略，不会导致整体内存占用超过List。

验证正确内存占用的方法 #

你可以用更全面的工具来测量，比如pympler库的asizeof函数，它会递归计算对象及其引用的所有内存：

import array
from random import random
from pympler import asizeof

floats = array.array('d', (random() for i in range(10**6)))
L = [random() for i in range(10**6)]

print(f"Array总内存: {asizeof.asizeof(floats) / 1024 / 1024:.2f} MB")
print(f"List总内存: {asizeof.asizeof(L) / 1024 / 1024:.2f} MB")

运行这个代码，你会看到List的总内存远高于array，完全符合《流畅的Python》里的结论。

补充一下：书中说的"Python array is as lean as a C array"，指的是它的元素存储方式和C数组一样是连续的原始数据，没有List里每个元素都是独立对象的额外开销，这才是它内存高效的核心。

内容的提问来源于stack exchange，提问作者yoyoyoyo123