Python array 类型码不匹配时怎样安全转换数值

如果你把 array('i') 直接赋给 array('f')，或者用一种类型码的字节去初始化另一种类型码，问题通常不在语法，而在“元素值转换”和“二进制重解释”被混用了。常规业务数据应先取出数值，再按元素构造目标数组；只有文件协议明确规定了字节布局时，才使用 frombytes()。

安全做法是：先确认源数据的语义，再用 source.tolist() 或逐元素迭代创建目标 array；对浮点精度、NaN、无穷大和整数范围明确制定规则。

官方地址：https://docs.python.org/3/library/array.html

• 类型码不同：按元素转换，不能直接做同类型数组的切片赋值。
• 整数转浮点：可能丢失低位精度，目标为 'f' 时还可能溢出。
• 字节转数组：frombytes() 读取的是机器值，不等于数值类型转换。

Python array 类型码不同为什么不能直接拼接

array.array 是带类型约束的紧凑序列。typecode 决定元素属于整数、浮点还是字符类别，itemsize 则表示单个元素在当前机器表示中的字节数。因此，array('i', [1, 2]) 和 array('f', [1, 2]) 的数值看起来相近，内部契约却不同。把前者直接用于后者的切片赋值，会触发类型码不匹配；这不是 Python 自动转换失败，而是 API 在阻止混合表示。

这里要先分清三个动作：extend() 是追加元素，tolist() 是把元素取成普通 Python 数值，frombytes() 是按目标数组的机器格式解释字节。业务转换需要第二种中间层，而不是跳到第三种。

用按元素构造完成常规转换

最稳妥的通用写法是先得到普通数值列表，再创建目标类型码。这样转换点只有一个，异常也容易定位；如果数据量很大，可以把列表换成生成器，但仍然保持“按元素解释”的语义。

from array import array

def convert_array(source, target_typecode):
    # 先把源数组还原为 Python 数值，避免把源字节直接当成目标格式。
    if not isinstance(source, array):
        raise TypeError("source 必须是 array.array")

    try:
        # 目标数组会按 target_typecode 逐项接收并检查数值。
        return array(target_typecode, source.tolist())
    except (OverflowError, TypeError, ValueError) as exc:
        # 保留原异常作为原因，方便定位是哪类值不适配目标类型码。
        raise ValueError(
            f"无法把 {source.typecode!r} 转为 {target_typecode!r}"
        ) from exc

numbers = array("i", [12, 24, 48])
decimals = convert_array(numbers, "f")

如果只是在同一类型码之间拼接，直接使用同类型的 extend() 更合适；不同类型码则应把 tolist() 产生的普通数值作为边界。需要保留大整数原值时，不要为了节省空间贸然转成四字节浮点。

从整数转换到浮点时怎样处理溢出

'f' 通常对应单精度浮点，能表示的有效整数位少于 Python 的任意精度整数。即使转换没有抛出异常，较大的整数也可能被舍入；如果数值范围或精度更重要，可以评估 'd'，但它同样不是任意精度容器。对于来自外部文件或计数器的值，建议把精度要求写进代码，而不是只看转换后数组的长度。

反方向的浮点转整数还多一个业务选择：int(value) 会向零截断，不能代表四舍五入。下面的严格版本拒绝小数、NaN 和无穷大，并让目标 array 检查平台相关的整数范围。

import math
from array import array

def float_to_integer_array(source, target_typecode="i"):
    # 这里选择“必须是整数值”的规则，不悄悄截断 3.9 这类输入。
    result = array(target_typecode)
    for raw in source:
        value = float(raw)
        # NaN 和无穷大没有可接受的整数语义，先在数值层拒绝。
        if not math.isfinite(value):
            raise ValueError("不接受 NaN 或无穷大")
        integer = int(value)
        if value != integer:
            raise ValueError(f"小数值 {value!r} 不符合严格整数规则")
        try:
            # append 会按目标类型码检查范围，越界时转为明确错误。
            result.append(integer)
        except (OverflowError, TypeError, ValueError) as exc:
            raise ValueError(f"{integer} 超出 {target_typecode!r} 范围") from exc
    return result

只有在二进制协议明确时才重建字节

source.tobytes() 返回的是源数组的机器值字节序列；把它交给 array('f', raw) 或 frombytes(raw)，做的是按浮点格式重新解释每组字节，不是把整数数学意义转换成浮点。两者的 itemsize 不同，长度甚至可能不满足目标数组的元素边界，结果就会错误或直接抛出异常。

只有当协议明确写着“字段是本机格式的四字节浮点”之类的约定时，才可以从字节构造数组。若数据来自另一种字节序，还要在确认元素大小符合要求后使用 byteswap()；更通用的跨平台文件格式应优先用 struct 明确指定字节序和字段宽度，再把解码后的 Python 数值交给 array。

排查“类型码不匹配”时，可以按这个顺序问自己：手里的数据是数值还是原始字节？目标是改变存储类型还是只改变展示方式？能否接受精度损失？外部协议是否规定了字节序？答案明确后，通常就能避免用一行字节操作掩盖真正的数据转换规则。

常见问题

问：为什么 array('i', [1, 2]) 不能直接切片赋给 array('f')？
因为切片赋值要求两边是相同类型码的 array。先用 tolist() 取出数值，再构造目标数组即可。

问：用 frombytes() 能不能把整数直接变成浮点？
不能把它当作数学转换。它只按目标类型码解释机器字节；不确定协议布局时，应按元素转换，或用 struct 明确解码。