hello-algo 数组详解连续内存布局、六大常用操作与复杂度分析【免费下载链接】hello-algo《Hello 算法》动画图解、一键运行的数据结构与算法教程。支持简中、繁中、English、日本語提供 Python, Java, C, C, C#, JS, Go, Swift, Rust, Ruby, Kotlin, TS, Dart 等代码实现项目地址: https://gitcode.com/GitHub_Trending/he/hello-algo本文基于《Hello 算法》「数组与链表」章节中的 数组文档系统讲解数组的内存布局原理、索引与内存地址的关系以及初始化、随机访问、插入、删除、遍历、查找、扩容七大操作的实现方式与时间复杂度并结合仓库中 Python、C、C、Go、Java、Rust 多语言源码示例帮助读者在实现层面理解数组的性能特征及其适用边界。什么是数组连续内存中的同类型元素数组array是一种线性数据结构它将相同类型的元素存储在连续的内存空间中。元素在数组中的位置称为该元素的索引index。上图直观展示了数组的核心特征元素类型一致、内存位置连续、以索引定位元素。类型相同与内存连续这两点看似简单却是数组所有性能特征的根源元素大小固定因为类型相同每个元素占用的字节数一致这是用偏移量直接计算地址的前提无结构开销连续内存块中不需要像链表那样为每个元素额外存储指向下一节点的指针空间利用率更高可预测的访问模式地址连续使 CPU 的预取机制和缓存行加载能发挥最大效能详见 内存与缓存 对缓存效率的讨论。数组常用操作初始化数组无初始值与给定初始值两种模式我们可以根据需求选用数组的两种初始化方式无初始值、给定初始值。在未指定初始值的情况下大多数编程语言会将数组元素初始化为 $0$。仓库文档中的多语言示例如下。Python 使用列表乘法快速构造定长数组注意list本身是动态数组此处为学习目的将其视为长度不可变的数组# 初始化数组 arr: list[int] [0] * 5 # [ 0, 0, 0, 0, 0 ] nums: list[int] [1, 3, 2, 5, 4]C 需区分栈上数组与堆上数组/* 初始化数组 */ // 存储在栈上 int arr[5]; int nums[5] { 1, 3, 2, 5, 4 }; // 存储在堆上需要手动释放空间 int* arr1 new int[5]; int* nums1 new int[5] { 1, 3, 2, 5, 4 };Java 与 C# 的初始化语法非常接近/* 初始化数组 */ int[] arr new int[5]; // { 0, 0, 0, 0, 0 } int[] nums { 1, 3, 2, 5, 4 };/* 初始化数组 */ int[] arr new int[5]; // [ 0, 0, 0, 0, 0 ] int[] nums [1, 3, 2, 5, 4];Go 与 Rust 都严格区分固定长度数组与动态长度切片/向量文档源码中对此有专门说明/* 初始化数组 */ var arr [5]int // 在 Go 中指定长度时[5]int为数组不指定长度时[]int为切片 // 由于 Go 的数组被设计为在编译期确定长度因此只能使用常量来指定长度 // 为了方便实现扩容 extend() 方法以下将切片Slice看作数组Array nums : []int{1, 3, 2, 5, 4}/* 初始化数组 */ let arr: [i32; 5] [0; 5]; // [0, 0, 0, 0, 0] let slice: [i32] [0; 5]; // 在 Rust 中指定长度时[i32; 5]为数组不指定长度时[i32]为切片 // 由于 Rust 的数组被设计为在编译期确定长度因此只能使用常量来指定长度 // Vector 是 Rust 一般情况下用作动态数组的类型 // 为了方便实现扩容 extend() 方法以下将 vector 看作数组array let nums: Veci32 vec![1, 3, 2, 5, 4];其余语言Swift、JS、TS、Dart、C、Kotlin、Ruby的初始化示例可参阅 array.md 原文档中的语言选项卡。C 语言的初始化为/* 初始化数组 */ int arr[5] { 0 }; // { 0, 0, 0, 0, 0 } int nums[5] { 1, 3, 2, 5, 4 };访问元素O(1) 随机访问的数学原理数组元素被存储在连续的内存空间中这意味着计算数组元素的内存地址非常容易。给定数组内存地址首元素内存地址和某个元素的索引就可以使用上图公式直接算出目标元素的内存地址从而直接访问该元素$$\text{元素地址} \text{首元素地址} \text{索引} \times \text{每个元素的字节数}$$观察上图会发现数组首个元素的索引为 $0$ 这似乎有些反直觉因为从 $1$ 开始计数会更自然。但从地址计算公式的角度看索引本质上是内存地址的偏移量。首个元素的地址偏移量是 $0$ 因此它的索引为 $0$ 是合理的。在数组中访问元素非常高效可以在 $O(1)$ 时间内随机访问数组中的任意一个元素。仓库中的各语言实现都遵循同一思路先生成一个随机索引再按下标取值。Python 版array.pydef random_access(nums: list[int]) - int: 随机访问元素 # 在区间 [0, len(nums)-1] 中随机抽取一个数字 random_index random.randint(0, len(nums) - 1) # 获取并返回随机元素 random_num nums[random_index] return random_numC 版array.cpp通过取模生成索引/* 随机访问元素 */ int randomAccess(int *nums, int size) { // 在区间 [0, size) 中随机抽取一个数字 int randomIndex rand() % size; // 获取并返回随机元素 int randomNum nums[randomIndex]; return randomNum; }值得注意的是 Go、Java、Rust 的实现细节差异array.go 使用rand.Intn(len(nums))生成半开区间随机数Java 版array.java使用线程安全的ThreadLocalRandomRust 版array.rs使用rand::thread_rng().gen_range(0..nums.len())。从源码结构看这些差异都属于生成合法随机下标这一环节的实现选择不影响随机访问本身 $O(1)$ 的复杂度。插入元素整体后移一位的代价数组元素在内存中是紧挨着的它们之间没有空间再存放任何数据。上图展示了插入过程如果想在数组中间插入一个元素则需要将该元素之后的所有元素都向后移动一位之后再把元素赋值给该索引。Python 版实现array.py体现了这一过程——从尾部向头部逐个后移避免覆盖数据def insert(nums: list[int], num: int, index: int): 在数组的索引 index 处插入元素 num # 把索引 index 以及之后的所有元素向后移动一位 for i in range(len(nums) - 1, index, -1): nums[i] nums[i - 1] # 将 num 赋给 index 处的元素 nums[index] numC 版array.c与 Go 版array.go的逻辑完全一致void insert(int *nums, int size, int num, int index) { // 把索引 index 以及之后的所有元素向后移动一位 for (int i size - 1; i index; i--) { nums[i] nums[i - 1]; } // 将 num 赋给 index 处的元素 nums[index] num; }/* 在数组的索引 index 处插入元素 num */ func insert(nums []int, num int, index int) { // 把索引 index 以及之后的所有元素向后移动一位 for i : len(nums) - 1; i index; i-- { nums[i] nums[i-1] } // 将 num 赋给 index 处的元素 nums[index] num }值得注意的是由于数组的长度是固定的因此插入一个元素必定会导致数组尾部元素丢失。我们将这个问题的解决方案留在列表章节中讨论参见仓库中list/my_list各语言实现如 my_list.py 所在目录。删除元素向前移动一位尾部残留可忽略与插入对称若想删除索引 $i$ 处的元素则需要把索引 $i$ 之后的元素都向前移动一位def remove(nums: list[int], index: int): 删除索引 index 处的元素 # 把索引 index 之后的所有元素向前移动一位 for i in range(index, len(nums) - 1): nums[i] nums[i 1]C 版array.cpp/* 删除索引 index 处的元素 */ void remove(int *nums, int size, int index) { // 把索引 index 之后的所有元素向前移动一位 for (int i index; i size - 1; i) { nums[i] nums[i 1]; } }请注意删除元素完成后原先末尾的元素变得无意义了所以我们无须特意去修改它。总的来看数组的插入与删除操作有以下缺点时间复杂度高数组的插入和删除的平均时间复杂度均为 $O(n)$ 其中 $n$ 为数组长度丢失元素由于数组的长度不可变因此在插入元素后超出数组长度范围的元素会丢失内存浪费我们可以初始化一个比较长的数组只用前面一部分这样在插入数据时丢失的末尾元素都是无意义的但这样做会造成部分内存空间浪费。遍历数组三种等价写法在大多数编程语言中我们既可以通过索引遍历数组也可以直接遍历获取数组中的每个元素。Python 版array.py演示了三种等价写法def traverse(nums: list[int]): 遍历数组 count 0 # 通过索引遍历数组 for i in range(len(nums)): count nums[i] # 直接遍历数组元素 for num in nums: count num # 同时遍历数据索引和元素 for i, num in enumerate(nums): count nums[i] count numGo 版array.go同样展示了for i : 0; i len(nums); i索引遍历、for _, num : range nums元素遍历、for i, num : range nums索引与元素同时遍历三种形式。遍历的时间复杂度为 $O(n)$ 由于访问模式完全顺序也是缓存效率最高的操作之一。查找元素线性查找在数组中查找指定元素需要遍历数组每轮判断元素值是否匹配若匹配则输出对应索引。因为数组是线性数据结构所以上述查找操作被称为线性查找def find(nums: list[int], target: int) - int: 在数组中查找指定元素 for i in range(len(nums)): if nums[i] target: return i return -1Rust 版array.rs则体现为函数式风格未命中时返回Option/* 在数组中查找指定元素 */ fn find(nums: [i32], target: i32) - Optionusize { for i in 0..nums.len() { if nums[i] target { return Some(i); } } None }线性查找最坏时间复杂度为 $O(n)$ 。若数组保持有序则可改用二分查找将其优化至 $O(\log n)$ 相关实现见仓库 binary_search.py 所在搜索章节。扩容数组重建大数组并整体复制在复杂的系统环境中程序难以保证数组之后的内存空间是可用的从而无法安全地扩展数组容量。因此在大多数编程语言中数组的长度是不可变的。如果我们希望扩容数组则需重新建立一个更大的数组然后把原数组元素依次复制到新数组。这是一个 $O(n)$ 的操作在数组很大的情况下非常耗时。Python 版array.py# 请注意Python 的 list 是动态数组可以直接扩展 # 为了方便学习本函数将 list 看作长度不可变的数组 def extend(nums: list[int], enlarge: int) - list[int]: 扩展数组长度 # 初始化一个扩展长度后的数组 res [0] * (len(nums) enlarge) # 将原数组中的所有元素复制到新数组 for i in range(len(nums)): res[i] nums[i] # 返回扩展后的新数组 return resC 版array.c展示了手动内存管理下的完整流程malloc分配新空间、逐元素复制、并将新扩容的空间初始化为 $0$ /* 扩展数组长度 */ int *extend(int *nums, int size, int enlarge) { // 初始化一个扩展长度后的数组 int *res (int *)malloc(sizeof(int) * (size enlarge)); // 将原数组中的所有元素复制到新数组 for (int i 0; i size; i) { res[i] nums[i]; } // 初始化扩展后的空间 for (int i size; i size enlarge; i) { res[i] 0; } // 返回扩展后的新数组 return res; }C 版array.cpp在复制完成后显式delete[] nums释放旧内存提醒读者在手动管理堆内存的语言中扩容后的旧数组必须由调用方负责回收Go 版array.go则用make([]int, len(nums)enlarge)一步分配由垃圾回收器处理旧切片。Rust 版array.rs借助copy_from_slice以切片方式批量复制体现零拷贝语义下的批量内存搬移。各语言驱动程序driver code通常按统一流程串联演示上述全部操作初始化 → 随机访问 → 扩容至长度 8 → 在索引 3 处插入 6 → 删除索引 2 处元素 → 遍历 → 查找元素 3例如 array.py 的 Driver Code可直接复制运行以验证每一步的数组状态变化。数组的优点与局限性数组存储在连续的内存空间内且元素类型相同。这种做法包含丰富的先验信息系统可以利用这些信息来优化数据结构的操作效率。优点空间效率高数组为数据分配了连续的内存块无须额外的结构开销支持随机访问数组允许在 $O(1)$ 时间内访问任何元素缓存局部性当访问数组元素时计算机不仅会加载它还会缓存其周围的其他数据从而借助高速缓存来提升后续操作的执行速度。局限连续空间存储这把双刃剑的代价插入与删除效率低当数组中元素较多时插入与删除操作需要移动大量的元素平均 $O(n)$ 长度不可变数组在初始化后长度就固定了扩容数组需要将所有数据复制到新数组开销很大空间浪费如果数组分配的大小超过实际所需那么多余的空间就被浪费了。从仓库源码可以印证这一点C、C 版本中所有修改类操作都显式传入size参数扩容必须新建内存块而动态数组Pythonlist、RustVec、Go slice本质上是在固定长度数组之上封装的自动扩容层其底层仍是本节讨论的 $O(n)$ 复制机制。数组典型应用数组是一种基础且常见的数据结构既频繁应用在各类算法之中也可用于实现各种复杂数据结构随机访问如果我们想随机抽取一些样本那么可以用数组存储并生成一个随机序列根据索引实现随机抽样如上文random_access各语言实现排序和搜索数组是排序和搜索算法最常用的数据结构。快速排序、归并排序、二分查找等都主要在数组上进行对应仓库中的 排序章节代码 与 搜索章节代码查找表当需要快速查找一个元素或其对应关系时可以使用数组作为查找表。假如我们想实现字符到 ASCII 码的映射则可以将字符的 ASCII 码值作为索引对应的元素存放在数组中的对应位置机器学习神经网络中大量使用了向量、矩阵、张量之间的线性代数运算这些数据都是以数组的形式构建的。数组是神经网络编程中最常使用的数据结构数据结构实现数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如图的邻接矩阵表示实际上是一个二维数组仓库 graph_adjacency_matrix.c 即为该思想的直接体现。小结数组以连续内存 固定元素大小换取了 $O(1)$ 随机访问与极高的缓存效率代价是插入、删除与扩容均为 $O(n)$ 且长度不可变。理解索引即地址偏移量这一本质是掌握数组性能特征的钥匙它解释了为什么数组适合顺序访问与随机读取也解释了为什么频繁的中间插入/删除场景更适合链表或列表封装。本章节的多语言实现均可在仓库中直接运行——Python 版为 array.py其余语言对应文件位于codes/下各语言目录的chapter_array_and_linkedlist/中文件名为array.{py,java,cs,go,swift,js,ts,kt,rb,rs,c,cpp,dart,zig}。【免费下载链接】hello-algo《Hello 算法》动画图解、一键运行的数据结构与算法教程。支持简中、繁中、English、日本語提供 Python, Java, C, C, C#, JS, Go, Swift, Rust, Ruby, Kotlin, TS, Dart 等代码实现项目地址: https://gitcode.com/GitHub_Trending/he/hello-algo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
hello-algo 数组详解：连续内存布局、六大常用操作与复杂度分析
hello-algo 数组详解连续内存布局、六大常用操作与复杂度分析【免费下载链接】hello-algo《Hello 算法》动画图解、一键运行的数据结构与算法教程。支持简中、繁中、English、日本語提供 Python, Java, C, C, C#, JS, Go, Swift, Rust, Ruby, Kotlin, TS, Dart 等代码实现项目地址: https://gitcode.com/GitHub_Trending/he/hello-algo本文基于《Hello 算法》「数组与链表」章节中的 数组文档系统讲解数组的内存布局原理、索引与内存地址的关系以及初始化、随机访问、插入、删除、遍历、查找、扩容七大操作的实现方式与时间复杂度并结合仓库中 Python、C、C、Go、Java、Rust 多语言源码示例帮助读者在实现层面理解数组的性能特征及其适用边界。什么是数组连续内存中的同类型元素数组array是一种线性数据结构它将相同类型的元素存储在连续的内存空间中。元素在数组中的位置称为该元素的索引index。上图直观展示了数组的核心特征元素类型一致、内存位置连续、以索引定位元素。类型相同与内存连续这两点看似简单却是数组所有性能特征的根源元素大小固定因为类型相同每个元素占用的字节数一致这是用偏移量直接计算地址的前提无结构开销连续内存块中不需要像链表那样为每个元素额外存储指向下一节点的指针空间利用率更高可预测的访问模式地址连续使 CPU 的预取机制和缓存行加载能发挥最大效能详见 内存与缓存 对缓存效率的讨论。数组常用操作初始化数组无初始值与给定初始值两种模式我们可以根据需求选用数组的两种初始化方式无初始值、给定初始值。在未指定初始值的情况下大多数编程语言会将数组元素初始化为 $0$。仓库文档中的多语言示例如下。Python 使用列表乘法快速构造定长数组注意list本身是动态数组此处为学习目的将其视为长度不可变的数组# 初始化数组 arr: list[int] [0] * 5 # [ 0, 0, 0, 0, 0 ] nums: list[int] [1, 3, 2, 5, 4]C 需区分栈上数组与堆上数组/* 初始化数组 */ // 存储在栈上 int arr[5]; int nums[5] { 1, 3, 2, 5, 4 }; // 存储在堆上需要手动释放空间 int* arr1 new int[5]; int* nums1 new int[5] { 1, 3, 2, 5, 4 };Java 与 C# 的初始化语法非常接近/* 初始化数组 */ int[] arr new int[5]; // { 0, 0, 0, 0, 0 } int[] nums { 1, 3, 2, 5, 4 };/* 初始化数组 */ int[] arr new int[5]; // [ 0, 0, 0, 0, 0 ] int[] nums [1, 3, 2, 5, 4];Go 与 Rust 都严格区分固定长度数组与动态长度切片/向量文档源码中对此有专门说明/* 初始化数组 */ var arr [5]int // 在 Go 中指定长度时[5]int为数组不指定长度时[]int为切片 // 由于 Go 的数组被设计为在编译期确定长度因此只能使用常量来指定长度 // 为了方便实现扩容 extend() 方法以下将切片Slice看作数组Array nums : []int{1, 3, 2, 5, 4}/* 初始化数组 */ let arr: [i32; 5] [0; 5]; // [0, 0, 0, 0, 0] let slice: [i32] [0; 5]; // 在 Rust 中指定长度时[i32; 5]为数组不指定长度时[i32]为切片 // 由于 Rust 的数组被设计为在编译期确定长度因此只能使用常量来指定长度 // Vector 是 Rust 一般情况下用作动态数组的类型 // 为了方便实现扩容 extend() 方法以下将 vector 看作数组array let nums: Veci32 vec![1, 3, 2, 5, 4];其余语言Swift、JS、TS、Dart、C、Kotlin、Ruby的初始化示例可参阅 array.md 原文档中的语言选项卡。C 语言的初始化为/* 初始化数组 */ int arr[5] { 0 }; // { 0, 0, 0, 0, 0 } int nums[5] { 1, 3, 2, 5, 4 };访问元素O(1) 随机访问的数学原理数组元素被存储在连续的内存空间中这意味着计算数组元素的内存地址非常容易。给定数组内存地址首元素内存地址和某个元素的索引就可以使用上图公式直接算出目标元素的内存地址从而直接访问该元素$$\text{元素地址} \text{首元素地址} \text{索引} \times \text{每个元素的字节数}$$观察上图会发现数组首个元素的索引为 $0$ 这似乎有些反直觉因为从 $1$ 开始计数会更自然。但从地址计算公式的角度看索引本质上是内存地址的偏移量。首个元素的地址偏移量是 $0$ 因此它的索引为 $0$ 是合理的。在数组中访问元素非常高效可以在 $O(1)$ 时间内随机访问数组中的任意一个元素。仓库中的各语言实现都遵循同一思路先生成一个随机索引再按下标取值。Python 版array.pydef random_access(nums: list[int]) - int: 随机访问元素 # 在区间 [0, len(nums)-1] 中随机抽取一个数字 random_index random.randint(0, len(nums) - 1) # 获取并返回随机元素 random_num nums[random_index] return random_numC 版array.cpp通过取模生成索引/* 随机访问元素 */ int randomAccess(int *nums, int size) { // 在区间 [0, size) 中随机抽取一个数字 int randomIndex rand() % size; // 获取并返回随机元素 int randomNum nums[randomIndex]; return randomNum; }值得注意的是 Go、Java、Rust 的实现细节差异array.go 使用rand.Intn(len(nums))生成半开区间随机数Java 版array.java使用线程安全的ThreadLocalRandomRust 版array.rs使用rand::thread_rng().gen_range(0..nums.len())。从源码结构看这些差异都属于生成合法随机下标这一环节的实现选择不影响随机访问本身 $O(1)$ 的复杂度。插入元素整体后移一位的代价数组元素在内存中是紧挨着的它们之间没有空间再存放任何数据。上图展示了插入过程如果想在数组中间插入一个元素则需要将该元素之后的所有元素都向后移动一位之后再把元素赋值给该索引。Python 版实现array.py体现了这一过程——从尾部向头部逐个后移避免覆盖数据def insert(nums: list[int], num: int, index: int): 在数组的索引 index 处插入元素 num # 把索引 index 以及之后的所有元素向后移动一位 for i in range(len(nums) - 1, index, -1): nums[i] nums[i - 1] # 将 num 赋给 index 处的元素 nums[index] numC 版array.c与 Go 版array.go的逻辑完全一致void insert(int *nums, int size, int num, int index) { // 把索引 index 以及之后的所有元素向后移动一位 for (int i size - 1; i index; i--) { nums[i] nums[i - 1]; } // 将 num 赋给 index 处的元素 nums[index] num; }/* 在数组的索引 index 处插入元素 num */ func insert(nums []int, num int, index int) { // 把索引 index 以及之后的所有元素向后移动一位 for i : len(nums) - 1; i index; i-- { nums[i] nums[i-1] } // 将 num 赋给 index 处的元素 nums[index] num }值得注意的是由于数组的长度是固定的因此插入一个元素必定会导致数组尾部元素丢失。我们将这个问题的解决方案留在列表章节中讨论参见仓库中list/my_list各语言实现如 my_list.py 所在目录。删除元素向前移动一位尾部残留可忽略与插入对称若想删除索引 $i$ 处的元素则需要把索引 $i$ 之后的元素都向前移动一位def remove(nums: list[int], index: int): 删除索引 index 处的元素 # 把索引 index 之后的所有元素向前移动一位 for i in range(index, len(nums) - 1): nums[i] nums[i 1]C 版array.cpp/* 删除索引 index 处的元素 */ void remove(int *nums, int size, int index) { // 把索引 index 之后的所有元素向前移动一位 for (int i index; i size - 1; i) { nums[i] nums[i 1]; } }请注意删除元素完成后原先末尾的元素变得无意义了所以我们无须特意去修改它。总的来看数组的插入与删除操作有以下缺点时间复杂度高数组的插入和删除的平均时间复杂度均为 $O(n)$ 其中 $n$ 为数组长度丢失元素由于数组的长度不可变因此在插入元素后超出数组长度范围的元素会丢失内存浪费我们可以初始化一个比较长的数组只用前面一部分这样在插入数据时丢失的末尾元素都是无意义的但这样做会造成部分内存空间浪费。遍历数组三种等价写法在大多数编程语言中我们既可以通过索引遍历数组也可以直接遍历获取数组中的每个元素。Python 版array.py演示了三种等价写法def traverse(nums: list[int]): 遍历数组 count 0 # 通过索引遍历数组 for i in range(len(nums)): count nums[i] # 直接遍历数组元素 for num in nums: count num # 同时遍历数据索引和元素 for i, num in enumerate(nums): count nums[i] count numGo 版array.go同样展示了for i : 0; i len(nums); i索引遍历、for _, num : range nums元素遍历、for i, num : range nums索引与元素同时遍历三种形式。遍历的时间复杂度为 $O(n)$ 由于访问模式完全顺序也是缓存效率最高的操作之一。查找元素线性查找在数组中查找指定元素需要遍历数组每轮判断元素值是否匹配若匹配则输出对应索引。因为数组是线性数据结构所以上述查找操作被称为线性查找def find(nums: list[int], target: int) - int: 在数组中查找指定元素 for i in range(len(nums)): if nums[i] target: return i return -1Rust 版array.rs则体现为函数式风格未命中时返回Option/* 在数组中查找指定元素 */ fn find(nums: [i32], target: i32) - Optionusize { for i in 0..nums.len() { if nums[i] target { return Some(i); } } None }线性查找最坏时间复杂度为 $O(n)$ 。若数组保持有序则可改用二分查找将其优化至 $O(\log n)$ 相关实现见仓库 binary_search.py 所在搜索章节。扩容数组重建大数组并整体复制在复杂的系统环境中程序难以保证数组之后的内存空间是可用的从而无法安全地扩展数组容量。因此在大多数编程语言中数组的长度是不可变的。如果我们希望扩容数组则需重新建立一个更大的数组然后把原数组元素依次复制到新数组。这是一个 $O(n)$ 的操作在数组很大的情况下非常耗时。Python 版array.py# 请注意Python 的 list 是动态数组可以直接扩展 # 为了方便学习本函数将 list 看作长度不可变的数组 def extend(nums: list[int], enlarge: int) - list[int]: 扩展数组长度 # 初始化一个扩展长度后的数组 res [0] * (len(nums) enlarge) # 将原数组中的所有元素复制到新数组 for i in range(len(nums)): res[i] nums[i] # 返回扩展后的新数组 return resC 版array.c展示了手动内存管理下的完整流程malloc分配新空间、逐元素复制、并将新扩容的空间初始化为 $0$ /* 扩展数组长度 */ int *extend(int *nums, int size, int enlarge) { // 初始化一个扩展长度后的数组 int *res (int *)malloc(sizeof(int) * (size enlarge)); // 将原数组中的所有元素复制到新数组 for (int i 0; i size; i) { res[i] nums[i]; } // 初始化扩展后的空间 for (int i size; i size enlarge; i) { res[i] 0; } // 返回扩展后的新数组 return res; }C 版array.cpp在复制完成后显式delete[] nums释放旧内存提醒读者在手动管理堆内存的语言中扩容后的旧数组必须由调用方负责回收Go 版array.go则用make([]int, len(nums)enlarge)一步分配由垃圾回收器处理旧切片。Rust 版array.rs借助copy_from_slice以切片方式批量复制体现零拷贝语义下的批量内存搬移。各语言驱动程序driver code通常按统一流程串联演示上述全部操作初始化 → 随机访问 → 扩容至长度 8 → 在索引 3 处插入 6 → 删除索引 2 处元素 → 遍历 → 查找元素 3例如 array.py 的 Driver Code可直接复制运行以验证每一步的数组状态变化。数组的优点与局限性数组存储在连续的内存空间内且元素类型相同。这种做法包含丰富的先验信息系统可以利用这些信息来优化数据结构的操作效率。优点空间效率高数组为数据分配了连续的内存块无须额外的结构开销支持随机访问数组允许在 $O(1)$ 时间内访问任何元素缓存局部性当访问数组元素时计算机不仅会加载它还会缓存其周围的其他数据从而借助高速缓存来提升后续操作的执行速度。局限连续空间存储这把双刃剑的代价插入与删除效率低当数组中元素较多时插入与删除操作需要移动大量的元素平均 $O(n)$ 长度不可变数组在初始化后长度就固定了扩容数组需要将所有数据复制到新数组开销很大空间浪费如果数组分配的大小超过实际所需那么多余的空间就被浪费了。从仓库源码可以印证这一点C、C 版本中所有修改类操作都显式传入size参数扩容必须新建内存块而动态数组Pythonlist、RustVec、Go slice本质上是在固定长度数组之上封装的自动扩容层其底层仍是本节讨论的 $O(n)$ 复制机制。数组典型应用数组是一种基础且常见的数据结构既频繁应用在各类算法之中也可用于实现各种复杂数据结构随机访问如果我们想随机抽取一些样本那么可以用数组存储并生成一个随机序列根据索引实现随机抽样如上文random_access各语言实现排序和搜索数组是排序和搜索算法最常用的数据结构。快速排序、归并排序、二分查找等都主要在数组上进行对应仓库中的 排序章节代码 与 搜索章节代码查找表当需要快速查找一个元素或其对应关系时可以使用数组作为查找表。假如我们想实现字符到 ASCII 码的映射则可以将字符的 ASCII 码值作为索引对应的元素存放在数组中的对应位置机器学习神经网络中大量使用了向量、矩阵、张量之间的线性代数运算这些数据都是以数组的形式构建的。数组是神经网络编程中最常使用的数据结构数据结构实现数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如图的邻接矩阵表示实际上是一个二维数组仓库 graph_adjacency_matrix.c 即为该思想的直接体现。小结数组以连续内存 固定元素大小换取了 $O(1)$ 随机访问与极高的缓存效率代价是插入、删除与扩容均为 $O(n)$ 且长度不可变。理解索引即地址偏移量这一本质是掌握数组性能特征的钥匙它解释了为什么数组适合顺序访问与随机读取也解释了为什么频繁的中间插入/删除场景更适合链表或列表封装。本章节的多语言实现均可在仓库中直接运行——Python 版为 array.py其余语言对应文件位于codes/下各语言目录的chapter_array_and_linkedlist/中文件名为array.{py,java,cs,go,swift,js,ts,kt,rb,rs,c,cpp,dart,zig}。【免费下载链接】hello-algo《Hello 算法》动画图解、一键运行的数据结构与算法教程。支持简中、繁中、English、日本語提供 Python, Java, C, C, C#, JS, Go, Swift, Rust, Ruby, Kotlin, TS, Dart 等代码实现项目地址: https://gitcode.com/GitHub_Trending/he/hello-algo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
 深度解析：向页面元素模拟真实键盘输入的原理与实战)
