当列表不是首选时
很多同学在使用python数据类型时候，很多时候直接使用list，虽然列表既灵活又简单，但面对各类需求时，我们可能会有更好的选择。
比如，要存放1000万个浮点数的话，数组（array）的效率就要高得多，因为数组在背后存的并不是float对象，而是数字的机器翻译，也就是字节表述。这一点就跟C语言中的数组一样。再比如说，如果需要频繁对序列做先进先出的操作，deque(双端队列)的速度应该会更快。
如果在你的代码里，包含操作（比如检查一个元素是否出现在一个集合中）的频率很高，用set（集合）会更合适。set专为检查元素是否存在做过优化。但是他并不是序列，因为set是无序的。之后在具体就集合进行讲解。
哪些情况下可以替换列表的数据类型，让我们从数组开始。
数组
如果我们需要一个只包含数字的列表。那么array.array比list更高效。数组支持所有跟可变序列有关的操作，包括.pop，.inster和.extend。另外数组还提供从文件读取和存入文件的更快的方法。如.frombytes和.tofile
python数组和C语言数组一样精简。创建数组需要一个类型码，这个类型码用来表示在底层的C语言应该存放怎样的数据类型。比如b类型码代表的是有符号的字符（signedchar）,因此array（‘b’）创建出的数组就只能存放一个字节大小的整数，范围从-128到127，这样的序列在很大的时候，我们能节省很多空间。而且python不会允许你在数组里存放指定类型之外的数据。
示例：创建一个有1000万个随机浮点数的数组开始，到如何把这个数组存放到文件里，再如何从文件中读取这个数组
from array import array # 引入array类型
from random import random
floats = array("d", (random() for i in range(10 ** 7))) # 2
# 利用一个可迭代对象来建立一个双精度浮点数组（类型码是"d"）
# 这里我们用的可迭代对象是一个生成器表达式
print(floats[-1]) # >>> 0.5164130467607566
fp = open('/opt/pyweb/gjbfilesys/floats.bin', 'wb')
floats.tofile(fp) # 把数组存入二进制文件中
fp.close()
floats2 = array('d') # 新建一个双精度空数组
fp = open('/opt/pyweb/gjbfilesys/floats.bin', 'rb')
# 把1000万个浮点数从二进制文件中读取出来
floats2.fromfile(fp, 10 ** 7)
fp.close()
print(floats2[-1]) # >>> 0.5164130467607566 查看新数组的最后一个元素
if floats2 == floats:
print(True)
# >>> True这上面的代码我们能得出结论，array.tofile和array.fromfile用起来很简单。把这段代码跑一下，会发现速度也很快。一个小的经验告诉我，用array.fromfile从一个文件中二进制文件里读出1000万个双精度浮点数只需要0.1秒，这比文本文件里的读取速度要快60倍，因为后者会使用内置float方法把每一行文字转换为浮点数。另外使用array.tofile写入到二进制文件，比以每行一个浮点数的方式把所有的数字写到文本文件要快7倍。另外，1000万个这样的数在二进制文件中只占用80 000 000个字节（每个浮点数占用8个字节，不需要任何的额外空间）如果是文本的文件的话，我们需要181 515 739 个字节。