array 모듈: 타입 고정 배열

지난 글에서 bisect로 정렬을 유지하며 이진 탐색하는 법을 익혔습니다. 이번 글에서는 array 모듈을 다룹니다. Python의 list는 모든 타입을 담을 수 있지만 그 유연성 때문에 각 요소마다 Python 객체 오버헤드가 붙습니다. array.array는 타입 코드로 원소 타입을 고정해 메모리를 효율적으로 사용합니다. 수백만 개의 숫자를 다뤄야 하거나 바이너리 파일을 읽고 써야 할 때 유용합니다.

array 생성과 기본 사용법

from array import array

# 'i'는 signed int, 초기값 전달
arr = array('i', [1, 2, 3, 4, 5])

print(arr)         # array('i', [1, 2, 3, 4, 5])
print(arr[2])      # 3
print(arr[1:3])    # array('i', [2, 3])

arr.append(6)
arr.extend([7, 8])

# 다른 타입 삽입 시 TypeError
arr.append(3.14)   # TypeError

list와 동일하게 인덱스 접근, 슬라이싱, append, extend, pop 등을 사용할 수 있습니다. 단 지정한 타입코드와 일치하는 값만 저장할 수 있습니다.

메모리 효율 확인

import sys
from array import array

lst = list(range(1_000_000))
arr = array('i', range(1_000_000))

print(sys.getsizeof(lst))  # 약 8 MB
print(arr.buffer_info())   # (주소, 요소 수)
print(arr.itemsize)        # 4  ← 요소 하나 크기(바이트)
print(arr.itemsize * len(arr))  # 4 MB

'i' 타입의 int는 4바이트이므로 100만 개면 4 MB. list의 포인터+객체 방식(약 8 MB+)보다 훨씬 적습니다.

타입코드 정보 조회

arr = array('d', [1.1, 2.2, 3.3])

print(arr.typecode)   # 'd'
print(arr.itemsize)   # 8  ← double은 8바이트

바이너리 파일 I/O

array는 바이너리 파일에 직접 쓰고 읽는 메서드를 제공합니다.

from array import array

# float 배열 파일에 저장
data = array('f', [1.0, 2.5, 3.14, 0.5])

with open("sensor_data.bin", "wb") as f:
    data.tofile(f)

# 읽어 오기 (요소 개수를 알아야 함)
restored = array('f')
with open("sensor_data.bin", "rb") as f:
    restored.fromfile(f, 4)  # 4개 요소 읽기

print(list(restored))  # [1.0, 2.5, 3.140000104904175, 0.5]

bytes와도 상호 변환할 수 있습니다.

b = data.tobytes()
arr2 = array('f')
arr2.frombytes(b)

list, array, numpy 비교

# 어떤 걸 선택해야 할까?

# 소규모 데이터, 혼합 타입 → list
items = [1, "hello", 3.14, True]

# 동일 타입 대량 숫자, 메모리 절약 → array
sensor_readings = array('f', raw_data)

# 수치 연산(행렬, 벡터, 통계) → NumPy
import numpy as np
matrix = np.array([[1, 2], [3, 4]])
result = matrix @ matrix  # 행렬 곱

기준	list	array	numpy
혼합 타입	가능	불가	불가
메모리 효율	낮음	높음	매우 높음
수치 연산	느림	느림	빠름(C 구현)
바이너리 I/O	직접 구현 필요	내장 지원	지원

순수 Python에서 메모리만 절약하고 싶다면 array, 수치 연산이 필요하다면 numpy가 적합합니다.

---

지난 글: bisect: 이진 탐색으로 정렬 유지

읽어주셔서 감사합니다. 😊