Les arrays en Python, c’est un peu le truc que tout le monde confond avec les listes. Pourtant, ce sont deux structures bien différentes, et si tu veux vraiment coder efficacement, autant comprendre quand utiliser l’un ou l’autre.
1. Les Arrays en Python, c’est quoi ? #
En Python, on a les listes list, qui sont hyper flexibles, et on a aussi les arrays, qui viennent du module array.
🔹 Différence clé ?
- Une liste (
list) peut contenir des types différents. - Un
array.array, lui, ne stocke que des éléments du même type (entiers, flottants, etc.).
Si tu viens de C ou C++, un array.array ressemble plus à un tableau classique qu’une liste Python.
2. Pourquoi utiliser array au lieu d’une liste ?
#
👉 Performance : Un array.array prend moins de mémoire et est plus rapide pour certaines opérations.
👉 Contraintes de type : Pas d’accident en mélangeant les types (tu évites les erreurs bizarres).
👉 Interopérabilité : Si tu bosses avec des données binaires ou du C, c’est souvent plus simple.
Mais si tu cherches encore plus de performance, tu devrais plutôt regarder NumPy, qui est un monstre dans le domaine des tableaux optimisés.
3. Créer et manipuler un array
#
D’abord, faut importer le module :
import array
Ensuite, on crée un array. Il faut spécifier un code de type (par ex. 'i' pour les entiers signés) :
arr = array.array('i', [1, 2, 3, 4, 5]) # Tableau d'entiers
print(arr)
📌 Quelques codes de type utiles :
'i'→ entier signé (4 octets)'f'→ flottant (4 octets)'d'→ double flottant (8 octets)'b'→ entier signé (1 octet)
4. Manipuler un array
#
Ajouter des éléments :
arr.append(6) # Ajoute 6 à la fin
arr.insert(2, 10) # Insère 10 à l’index 2
print(arr) # [1, 2, 10, 3, 4, 5, 6]
Supprimer un élément :
arr.remove(3) # Supprime la première occurrence de 3
print(arr)
Accéder aux éléments :
print(arr[0]) # Premier élément
print(arr[-1]) # Dernier élément
Itérer sur l’array :
for val in arr:
print(val)
5. Les limites des array et pourquoi NumPy est souvent meilleur
#
Là où array.array est un peu limité, NumPy explose tout. Si tu dois bosser avec des données numériques, évite array et fonce sur NumPy.
Exemple avec NumPy :
import numpy as np
arr_np = np.array([1, 2, 3, 4, 5])
print(arr_np * 2) # Multiplication vectorielle (plus rapide et optimisée)
Avec un array.array, t’aurais eu une erreur si tu tentais de multiplier par 2 directement.
6. Conclusion : Quand utiliser array ?
#
✅ Si tu veux juste un tableau optimisé avec un seul type de données, array est un bon choix.
✅ Si tu bosses avec de gros calculs numériques ou des matrices, NumPy est bien meilleur.
✅ Si tu veux de la flexibilité, reste avec les listes Python (list).
En gros :
- Débutant ou projet standard ? → Utilise une liste.
- Besoin de performances et d’optimisation mémoire ? →
array.array. - Données scientifiques et calculs avancés ? → NumPy.
T’as capté l’idée. 🚀