BoolHybridArray：高效的布尔混合数组库

一个专为布尔值优化的数组类，能够根据数据特征自动在密集存储和稀疏存储模式间切换，兼顾性能和内存效率。

注：大版本号更新并非不兼容更新，而是重大更新

注：当API完全稳定时就会发布版本规则较严谨的new-1.0.0版本，预期为10.x或11.x版本结束后

注意：目前社区中若存在名称类似（如包含 “bool-hybrid-array”+ 后缀、boolean_array、validate.io-boolean-array）的库，均与本项目（bool-hybrid-array）无关联，本项目的所有功能设计、代码实现均为独立开发； 其他平台里的类似名库绝不是我的库

注意：若你的原bool-hybrid-array库版本<7.10.9，看到此版本请立即更新到>=7.10.9版本，其他版本的导入都有问题！！！

作者：蔡靖杰（同维护者，PyPI账号Bkshell）

安装方法

使用uv安装（推荐，比pip快）：

#如果没有uv先安装uv
pip install uv
#先安装cython可选优化（非强制但推荐）
python -m uv pip install cython
#然后安装再bool-hybrid-array
python -m uv pip install bool-hybrid-array

更新方法

python -m uv pip install -U bool-hybrid-array

核心特性

✅智能存储模式：数据量小的位置使用密集存储numpy.ndarray数组，
数据量大的位置为稀疏存储array.array稀疏数组
✅非稀疏模式：数据大部分为非0（True）索引，稀疏区异常值为False
✅稀疏模式：数据大部分为0（False）索引，稀疏区异常值为True
✅BoolHybridArr函数会自动切换
✅内存高效：稀疏数据场景下比普通列表节省50%-80%内存
✅操作便捷：支持类似列表的索引、切片和赋值操作
✅快速统计：内置高效的计数和布尔判断方法
✅速度优势：修改元素的时间还不比list慢

快速开始

基本用法

# 导入类

from bool_hybrid_array import *

# 创建实例

arr = BoolHybridArr([True, False, True, False, True])

arr2 = TruesArray(3)#7.9.0新增

arr3 = FalsesArray(3)#7.9.0新增

# 访问元素

print(arr[0])  # 输出: True；

print(arr[1:4])  # 输出:  BoolHybridArr([False, True, False])；

print(arr2)  # 输出:  BoolHybridArr([True, True, True])；

print(arr3)  # 输出:  BoolHybridArr([False, False, False])；

联系方式

若遇到 Bug 或有功能建议，可发送邮件至：1289270215@qq.com（更正规）
微信联系：18250730129（注：这是微信绑定的电话号码，优先微信沟通，请勿拨打电话哦）（微信联系回复最快）
抖音（绑定的电话号码同微信）（有讨论群，加入可讨论）
知乎：贝壳 - 知乎
CSDN：BKsell-CSDN博客

仓库

GitHub仓库英文版：bool-hybrid-array.git GitHub仓库中文镜像：1083175506-bool-hybrid-array

Gitee仓库：bool-hybrid-array.git

GitCode仓库：bool-hybrid-array.git

修改元素

arr[2] = False

print(arr)  # 输出: BoolHybridArr([True, False, False, False, True])

存储优化

# 创建包含大量布尔值的数组（大部分为False）

big_arr = BoolHybridArr([i % 100 == 0 for i in range(10000)])

# 查看存储模式（此时应为稀疏模式）

print(repr(big_arr))  # 输出: BoolHybridArray(split_index=100, size=10000, is_sparse=True, small_len=101, large_len=98)

# 自动优化存储

big_arr.optimize()

其他功能

# 统计True的数量

print(arr.count(True))  # 输出: 2

# 检查是否至少有一个True

print(any(arr))  # 输出: True

# 检查是否全为True

print(all(arr))  # 输出: False

# 复制数组（7.9.1新增）

arr_copy = arr.copy()

arr_copy[0] = False

print(arr[0])      # 输出: True（原数组不变）

print(arr_copy[0]) # 输出: False（拷贝数组已修改）

#寻找一个元素出现的索引(7.9.2新增)

arr_find = BoolHybridArr([i % 2 for i in range(10)])

print(arr_find.find(True))#输出：[1,3,5,7,9]

print(arr_find.find(False))#输出：[2,4,6,8,10]

# 查找第一个/最后一个出现的位置（7.10.3新增）

print(arr_find.index(True))   # 输出：1（第一个True的位置）

print(arr_find.rindex(True))  # 输出：9（最后一个True的位置）

#index/rindex的空数组处理（7.10.4新增）

none_arr =  BoolHybridArr([])

print(none_arr.index(True))#ValueError：无法在空的 BoolHybridArray 中查找元素

#查看是否需要优化（7.10.7新增，7.10.20+能用）

print(big_arr.memory_usage(detail=True))
'''样例输出（瞎编，但格式是这样）
{
    "总占用(字节)": 210,
    "密集区占用": 180,
    "稀疏区占用": 30,
    "对比原生list节省": "99.5%",
    "对比numpy节省": "79.0%",
    "是否需要优化": "是",
    "优化理由/说明": "稀疏区索引密度过高，优化后可转为密集存储提升速度"
}
'''
big_arr.optimize()  # 调用优化方法

print(big_arr.memory_usage(detail=True)["是否需要优化"])#"否"

'''当处理动态变化的布尔数组（如频繁增删元素）时，建议在关键操作后调用memory\_usage(detail=True)检查状态，通过optimize()保持最优性能。'''

#将数组转为int类型（7.11.0新增）：

print(int(arr))#输出：17（0b10001）

#位运算（7.13.0新增）

arr1 = BoolHybridArr([True, False, True, False])  # 0b1010

arr2 = BoolHybridArr([True, True, False, False])   # 0b1100

print(arr1 & arr2)  # 输出：BoolHybridArr([True,False,False,False])  # 0b1000

print(arr1 | arr2)  # 输出：BoolHybridArr([True,True,True,False])  # 0b1110

print([True, False] | arr1[:2])  # 反向运算：[True,False] | [True,False] → [True,False]

print(arr1 ^ arr2)  # 输出：BoolHybridArr([False,True,True,False])  # 0b0110

print(~arr1)  # 输出：BoolHybridArr([False,True,False,True])  # 0b0101（对应整数 ~10 = -11 的二进制布尔逻辑）

arr = BoolHybridArr([True, False, True])  # 0b101

arr <<= 2  # 左移2位：尾部补2个False → [True,False,True,False,False]（0b10100）

print(arr)

arr >>= 3  # 右移3位：尾部删3个元素 → [True,False]（0b10）

print(arr)

print(arr << -1)  # 负数左移：等价于右移1位 → [True]

#兼容numpy数组（8.0.0版本新增）

arr_BoolHybridArray = BoolHybridArr(\[])
arr_BoolHybridArray <<= 10
arr_BoolHybridArray <<= 10000
array_numpy = np.array([arr_BoolHybridArray,arr_BoolHybridArray])

#支持哈希（8.2.0版本新增）

set_ = {arr_BoolHybridArray}#不会报错呦

v9.0.0重大更新

import numpy as np
import bool_hybrid_array

_2darr = BHA_List([BoolHybridArr([1,0,0,0,1],Type = BHA_Bool),TruesArray(5,Type = bool),FalsesArray(5,Type = np.bool_)])

print(_2darr)'''输出：

BHA_List([
BoolHybridArr([True,False,False,False,True]),
BoolHybridArr([True,True,True,True,True]),
BoolHybridArr([False,False,False,False,False]),
])
'''

#BoolHybridArray是布尔数组，那是什么布尔数组呢？numpy.bool_？原生bool？其他库的布尔类型？还是本库的BHA_Bool？Type参数，支持指定！

#还更新了用BHA_List的排版模拟二维布尔数组！

其他

#二维数组的optimize与memory_usage（9.1.0新增）：

_2darr.optimize()

_2darr.memory_usage(detail=T)

输出格式：
 {
"占用(字节)": 【占用内存（字节）】,
"对比原生list节省": 【6位百分比】,
"对比numpy节省": 【6位百分比】}

#注：BoolHybridArray的memory_usage的百分比也变成了六位小数

#关闭哈希复用（9.4.0新增）

_2darr2 = BHA_List(BoolHybridArr((i%100 for i in range(1000)),hash_ = F) for i in range(1000))

#关闭哈希复用可以增快创建速度

#ResurrectMeta元类（9.5.0新增）

class MyClass(metaclass=ResurrectMeta):
	pass

#用装饰器给实例添加动态方法（9.6.0新增）：

arr = BoolHybridArr([T,F,T])

@arr
def toggle_range(self, start: int, end: int):
    """翻转从 start 到 end（含）的布尔值"""
    for i in range(start, end + 1):
        self[i] = not self[i]  # 通过 self 操作实例的元素
    print(f"翻转 {start}-{end} 后：", self)

arr.toggle_range(0,1)

print(arr)#输出：翻转 {0}-{1} 后：BoolHybridArr([False,True,True])

toggle_range(arr,0,1)#输出：翻转 {0}-{1} 后：BoolHybridArr([True,False,True])

#view方法（9.7.0新增）：

arr2 = arr.view()

arr2.extend([F,T])

arr2[2] = F

print(arr) #输出：BoolHybridArr([True,False,False,False,True])

#python 3.9以下的版本泛型、联合类型支持（9.8.0新增）

print(BHA_List[BoolHybridArray])#输出：bool_hybrid_array.BHA_List[bool_hybrid_array.BoolHybridArray]

print(BHA_List|BoolHybridArray)#输出：typing.Union[bool_hybrid_array.BHA_List, bool_hybrid_array.BoolHybridArray] （python 3.9以下）或 bool_hybrid_array.BHA_List|bool_hybrid_array.BoolHybridArray（python 3.10以上）

#BHA_Function动态创建函数（9.9.0新增）：

toggle_range = BHA_Function.string_define(
name = 'toggle_range',
text = 
'''
    for i in range(start, end + 1):
        self[i] = not self[i]  # 通过 self 操作实例的元素
    print(f"翻转 {start}-{end} 后：", self)''',
positional = ('self','start', 'end'),
default = {})
toggle_range([0,0,1],0,1)#输出：翻转 0-1 后： [True, True, 1]

#开放ProtectedBuiltinsDict类型（9.9.3+）

Dict = ProtectedBuiltinsDict({'1':1,'2':2},protected_names = ['1','3'],name = 'Dict')

Dict['2'] = 1

print(Dict) #输出：{'1': 1, '2': 1}

try:Dict['1'] = 2
except Exception as e:print(e) #输出：禁止修改内置常量：__Dict__['1']

#Ask_BHA和Create_BHA（9.10.0新增）：

arr = BoolHybridArr([T,F,F,F,T,T,F,F,F,T])
arr2 = BoolHybridArr([F,F,F,F,T,T,F,T,T,F])

arr3 = BHA_List([arr,arr2])

Create_BHA("single_bool_array",arr3)#自动生成single_bool_array.bha文件

print(Ask_BHA("single_bool_array"))

'''
输出：
BHA_List([
BoolHybridArr([True,False,False,False,True,True,False,False,False,True]),
BoolHybridArr([False,False,False,False,True,True,False,True,True,False]),
])
'''

#numba_opt函数优化（9.10.4版本新增）
try:numba_opt()
except:print("请先安装numba库！！！")

#int_array模块（9.10.10新增）：

max_num = (1 << 256) - 1
min_num = -max_num

# 1. IntHybridArray：257位完美存储
arr_hybrid = int_array.IntHybridArray([max_num, min_num, 123456], bit_length=257)
print("✅ IntHybridArray存储结果：")
print(f"最大值：{arr_hybrid[0]}")
print(f"最小值：{arr_hybrid[1]}")

# 2. NumPy：用最大的int64尝试存储（必然失败）
try:
    arr_np = np.array([max_num, min_num, 123456], dtype=np.int64)
    print("\n❌ NumPy存储结果：", arr_np)
except OverflowError as e:
    print(f"\n❌ NumPy存储失败：{e}")

#BHA_Queue（9.11.5版本新增）

q = BHA_Queue([T, F, T, T, F])

print(f"初始化队列: {q}")  # 输出：BHA_Queue([T,F,T,T,F])

q.enqueue(T)

q.enqueue(F)

print(f"入队2个元素后: {q}")  # 输出：BHA_Queue([T,F,T,T,F,T,F])

# 3. 出队（dequeue，均摊O(1)，仅首次触发转移）

print(f"第一次出队: {q.dequeue()}")  # 输出：T（触发 self.a → self.b 转移，仅1次）

print(f"第二次出队: {q.dequeue()}")  # 输出：F（直接从 self.b 弹出，纯O(1)）

print(f"出队2个元素后: {q}")  # 输出：BHA_Queue([T,T,F,T,F])

#float_array子包（9.11.15版本新增）

# 1. 初始化数组
f_arr = float_array.FloatHybridArray([1.1, 2.2, 3.3, 4.4, 5.5])

# 2. 获取元素
first_elem = f_arr[0]     # 获取第一个元素：BHA_Float(1.1)
print(f"第一个元素：{first_elem}")

# 3. 修改元素
f_arr[1] = 9.9            # 修改第二个元素为 9.9
print(f"修改后第二个元素：{f_arr[1]}")

# 4. 添加元素
f_arr.append(6.6)         # 追加元素 6.6
print(f"数组长度：{len(f_arr)}")  # 输出：6

# 5. 遍历数组
for elem in f_arr:
    print(f"数组元素：{elem}")

#namespace元类（9.11.15版本新增）
class BaseMathTools(metaclass = namespace):
    pi = 3.141
    def add(a,b):
        return a+b
    protected_names = ("pi","add")

class MathTools(BaseMathTools,metaclass = namespace):
    pi = 3.1415926535897932
    def mul(a,b):
        return a*b
    def sub(a,b):
        return a-b
    e = 2.718281828
    protected_names = (*BaseMathTools.protected_names,"e","sub","mul")

print(MathTools.mul(10,23))#输出：230


#布尔数组乘法（9.11.20版本新增）

# 定义两个超大二进制数（用BoolHybridArray存储）

# 二进制 1101（十进制13）

arr1 = BoolHybridArr([1,0,1,1])

# 二进制 1011（十进制11）

arr2 = BoolHybridArr([1,1,0,1])

# 直接相乘！

result = arr1 * arr2

print(result)  # 输出：BoolHybridArr([1,1,0,0,0,1,1]) → 二进制1100011 = 十进制143（13×11=143）

#__cin__魔法方法（9.11.21版本新增）

import ctypes

class Point:
    __slots__ = ("x", "y")
    def __init__(self,x = 0,y = 0):
        self.x,self.y = ctypes.c_int(x),ctypes.c_int(y)
    def __cin__(self,stream = cin):
        stream >> self.x >> self.y

point = Point()

cin >> point #输入：20 13

cout << point.x << ' ' << point.y #输出：20 13

#BHA_string（9.11.21版本新增）

string = BHA_string()

cin >> string#输入：bool-hybrid-array is efficient boolean array

cout << string#输出：bool-hybrid-array is efficient boolean array

#fstream和操纵符（9.11.34版本新增）

with ofstream("test.out") as fout:

    fout << "test" << endl

s = BHA_string()

with ifstream("test.out") as fin:

    fin >> s

cout  << setfill('f') << setw(10) << s << setfill(' ')#输出：fffffftest

性能优势

在包含100万个布尔值且只有10%为True的场景下或在包含100万个布尔值且只有10%为False的场景下：

普通Python列表：约占用1MB内存
BoolHybridArray：约占用100KB内存（节省90%）
随机访问速度基本保持一致

版本历史

7.8.13：PyPI上的初始版本，支持基本功能和自动存储优化

7.9.0：添加TruesArray和FalsesArray
7.9.1：修复介绍的bug，增加copy功能
7.9.2：新增find()方法
7.10.0：优化内部存储，重构密集部分（但使用还是一样）
7.10.1：与运算和或运算增加异常提醒
7.10.2：修复了之前所有版本的index错误
7.10.3：新增rindex
7.10.4：修正样例代码中的错误，增加index/rindex的空数组处理
7.10.5：修复7.10.4版本index/rindex中size没加self的错误
7.10.6：比7.10.0进一步优化内部储存
7.10.7：新增arr.memory_usage方法查看是否优化，支持查看内存占用详情及优化建议，配合arr.optimize()实现存储自动调优
7.10.8：增加cython加速
7.10.9：修复之前所有版本的导入问题
7.10.10：修复unit8溢出问题
7.10.11：尝试修复memory_usage方法的错误
7.10.12：尝试修复memory_usage方法的错误×2
7.10.13：尝试修复memory_usage方法的错误×3
7.10.14：尝试修复unit8溢出问题×2
7.10.15：尝试修复unit8溢出问题×3
7.10.16：修复unit8溢出问题×4+尝试修复memory_usage方法的错误×4
7.10.17：尝试修复memory_usage方法的错误×4
7.10.18：尝试修复memory_usage方法的错误×5
7.10.19：尝试修复memory_usage方法的错误×6
7.10.20：尝试修复memory_usage方法的错误×7
7.11.0：新增int功能，把布尔数组转为int类型
7.12.0：在优化函数中新增应对超级稀疏/超级密集情况的方案
7.13.0：新增多种位运算功能
7.13.1：修复普通左移参数为负数时结果错误
7.13.2：修复左移时的sqrt问题，优化左移
7.13.3：修复左移的问题
7.13.4：优化左移
7.13.5：优化sqrt
7.13.6：修复7.13.5版本的SyntaxError
7.13.7：优化__int__方法
7.14.0：优化密集部分的运算速度
7.14.1：优化多种位运算方法
7.14.2：修复7.14.1版本的in的错误
7.14.3：修复in的错误×2
7.14.4：修复in的错误×3
7.14.5：修复in的错误×4
7.14.6：优化arr.large的类型

8.0.0：兼容numpy数组

8.0.1：修复8.0.0兼容numpy数组时没有形状参数的问题
8.0.2：移除bool_hybrid_dtype，改用object
8.1.0：利用ctypes加速密集部分的一些方法
8.1.1：修复8.1.0版本中的“AttributeError: '_CompactBoolArray' object has no attribute 'small'”问题
8.1.2：修复8.1.1版本中的“TypeError”
8.1.3：修复8.1.2版本中的“NameError”问题
8.1.4：修复8.1.3版本中的“TypeError”问题
8.1.5：修复8.1.4版本中的“AttributeError”问题
8.2.0：支持哈希
8.2.1：修复8.2.0版本中的NameError
8.2.2：修复8.2.1版本中的IndexError

9.0.0：详情见上

9.0.1：小更新，优化optimize方法
9.1.0：新增二维数组的optimize与memory_usage，优化二维数组的位运算，给BHA_Bool新增__rand__、__ror__、__rxor__等等
9.1.1：修复9.1.0版本中的TypeError: unsupported operand type(s) for +: 'int' and 'method'错误
9.1.2：修复9.1.1版本中的NameError: name 'equivalent_numpy_mem' is not defined错误
9.1.3：修复9.1.2版本中的NameError: name 'need_optimize' is not defined错误
9.2.0：详情自己发现，提示：看看iter(arr)的返回值类型、调用一下二维数组的optimize、看看BHA_Bool是不是一个类
9.3.0：将find()返回值改为BHA_List，将BHA_Iterator变为可复用迭代器
9.4.0：新增关闭哈希复用功能
9.4.1：修复了被修改保护和被删除保护的bug
9.4.2：修复被修改保护和被删除保护的bug×2
9.4.3：移除只读辅类
9.4.4：修复9.4.3版本中的NameError: name 'ReadOnlyAttribute' is not defined错误
9.4.5：修复9.4.0~9.4.4数组索引访问重点TypeError: 'NoneType' object is not subscriptable
9.4.6：让切片、位运算的哈希复用状态和self一致
9.5.0：新增ResurrectMeta元类
9.5.1：修复9.5.0版本中的ResurrectMeta的实例__repr__无限递归问题
9.5.2：修复9.5.1版本中的ResurrectMeta的实例__repr__和__str__的无限递归问题
9.6.0：新增用装饰器给实例添加动态方法的功能
9.6.1：修复9.6.0中的参数传递问题
9.6.2：可以使用BHA_Iterator
9.6.3：修复常变量删除拦截的逻辑错误
9.6.4：把常变量删除拦截的逻辑变得更可读
9.6.5：修复TabError错误
9.6.6：把常变量删除拦截变得更可读
9.6.7：修复常变量删除拦截的逻辑错误
9.6.8：修复常变量删除拦截的逻辑错误
9.6.9：修复9.6.8中的SyntaxError错误
9.6.10：修复9.6.9版本中的AttributeError错误
9.6.11：修复9.6.10版本中的AttributeError: 'dict' object has no attribute 'dict'. Did you mean: 'dir'?错误
9.6.12：修复AttributeError错误
9.6.13：修复常变量删除拦截的逻辑错误
9.6.14：修复常变量删除拦截的逻辑错误×2
9.6.15：修复AttributeError错误
9.6.16：修复常变量删除拦截的逻辑错误
9.6.17：类标识错乱修复
9.6.18：加快了迭代速度
9.6.19：使用缓存加速
9.6.20：修复TypeError: unhashable type: 'dict'错误
9.6.21：修复RecursionError: maximum recursion depth exceeded while calling a Python object错误
9.6.22：修复RecursionError: maximum recursion depth exceeded while calling a Python object错误×2
9.6.23：增加了对bool_hybrid_array.__dict__的防御机制
9.6.23.post1：修复bool_hybrid_array.__dict__的防御机制的问题
9.6.23.post2：修复bool_hybrid_array.__dict__的防御机制的问题×2
9.6.23.post3：修复bool_hybrid_array.__dict__的防御机制的部分逻辑漏洞
9.6.23.post4：修复bool_hybrid_array.__dict__的防御机制的部分逻辑漏洞×2
9.6.24：和9.6.23.post4相同，正式版本发布
9.6.25：增加了对bool_hybrid_array里的类的__dict__的防御机制
9.6.25.post1：修复了“变量名不能以数字开头”的错误
9.6.26：和9.6.25.post1相同，正式版本发布
9.6.27：尝试修复T/F相等性判断错误
9.6.27.post1：尝试修复T/F相等性判断错误×2
9.6.27.post2：尝试修复T/F相等性判断错误×3
9.6.28：和* 9.6.27.post2相同，正式版本发布
9.6.29：解决了密集区numpy的缓存同步问题和拷贝问题
9.6.30：增加了”测试代码“文件
9.7.0：增加了view方法
9.7.1：修复__array__方法部分的错误
9.7.2：修复9.7.1版本中numpy 2.0对__array__方法参数的警告
9.7.3：解决np.array(arr)解释器莫名其妙退出的问题
9.8.0：增加python 3.9以下的版本泛型、联合类型支持
9.8.1：让python 3.10+版本泛型、联合类型分别为types.UnionType和types.GenericAlias
9.8.2：修复9.8.1版本中联合类型返回值的错误
9.9.0：新增BHA_Function动态创建函数的功能
9.9.1：增加一下保护字典的保护名单
9.9.2：加快了any和all的速度
9.9.3：开放ProtectedBuiltinsDict类型
9.10.0：新增Ask_BHA和Create_BHA
9.10.1：修复TypeError: 'BoolHybridArray' object cannot be interpreted as an integer的错误
9.10.2：解决多补前导零的问题
9.10.3：解决少补前导零的问题
9.10.4：新增numba_opt功能
9.10.5：新增BHA_Opener工具包
9.10.6：给Ask_BHA新增了mmap优化
9.10.7：修复了RecursionError: maximum recursion depth exceeded错误
9.10.8：给Create_BHA新增了mmap优化
9.10.9：修复9.10.8版本中的NameError错误
9.10.10：新增int_array模块
9.10.11：修复NameError: name 'int_array' is not defined. Did you mean: 'bytearray'?的错误
9.10.12：把find方法的返回值改为IntHybridArray
9.10.13：给IntHybridArray新增多种列表操作
9.10.14：修复IntHybridArray中因单个 0 导致所有数字位长被压缩到 1的问题
9.10.15：修复IntHybridArray变成布尔数组的错误
9.10.16：新增Python 3.14时的jit优化加速
9.10.17：给保护字典添加__import__方法，支持from导入
9.10.18：新增BoolHybridArray的序列化和反序列化支持
9.10.18.post1：修复TypeError: cannot pickle 'itertools._tee' object错误
9.10.18.post2：尝试修复“满屏错误”的问题
9.10.18.post3：尝试修复“满屏错误”的问题×2
9.10.18.post4：尝试修复“满屏错误”的问题×3
9.10.19：和9.10.18.post4相同，正式版本发布
9.10.20：优化性能，增加BHA_jit_log日志
9.10.21：优化Ask_BHA，移除BHA_jit_log日志
9.10.22：进一步优化Ask_BHA的性能
9.11.0：新增对7.3.10以上版本的PyPy解释器的支持
9.11.1：修复PyPy解释器下的保护机制过度保护bug
9.11.2：尝试修复IntHybridArray索引修改的错误
9.11.3：修复NameError: name 'lst' is not defined. Did you mean: 'list'?错误
9.11.4：修复TypeError: __dict__ must be set to a dictionary, not a 'IntHybridArray'的错误
9.11.5：新增BHA_Queue双栈实现队列
9.11.6：修复从9.11.3版本开始cpython用户无法安装bool-hybrid-array包的问题
9.11.7：修复TypeError: 'map' object is not reversible的错误
9.11.8：增加了Windows系统Python3.14的C扩展优化
9.11.9：修复BHA_Queue的bug，新增cin和cout（使用方式：a = ctypes.c_int();cin >> a;cout << a，支持各种ctypes类型、numpy标量）
9.11.10：修复cin的AttributeError的错误
9.11.11：新增cin对EOF的处理
9.11.12：优化了IntHybridArray的__setitem__，新增了IntHybridArray的sort
9.11.13：修复IndexError的错误
9.11.14：新增BoolHybridArray数组的大小比较
9.11.15：新增float_array子包和namespace元类
9.11.16：修复SyntaxError错误
9.11.17：优化IntHybridArray的sort方法
9.11.18：修复TypeError的错误
9.11.19：修复Cython优化
9.11.20：新增布尔数组乘法
9.11.21：新增__cin__魔法方法和BHA_string
9.11.22：修复cout的换行错乱
9.11.23：修复cout的换行错乱×2
9.11.24：加速cout的速度
9.11.25：公开mt_xor25和umfs，修复umfs的digest的错误
9.11.26：修复mt_xor25的错误
9.11.27：修复mt_xor25的错误×2
9.11.28：修复Ask_BHA和Create_BHA的bug
9.11.29：修复一些已知的问题
9.11.30：修复语法错误
9.11.31：修复namespace的继承错误
9.11.32：修复9.11.31无法导入的错误
9.11.33：修复了一些已知的问题
9.11.34：支持fstream和操纵符
9.11.35：修复fstream的错误
9.11.36：修复fstream的错误×2
9.11.37：修复fstream的错误×3
9.11.38：修复了一些已知的问题
9.11.39：优化性能
9.11.40：修复一些已知的问题
9.11.41：修复mt_xor25的bug
9.11.42：优化性能
9.11.43：优化性能
9.11.44：尝试修复无法导入的bug
9.11.45：尝试修复无法导入的bug*2
9.11.46：尝试修复无法导入的bug*3
9.11.47：尝试修复无法导入的bug*4

彩蛋：

Q：为什么要“密集+稀疏？”
A：因为在做线性筛的时候遇到了个问题：密集数组太占内存，稀疏数组跑起来卡，所以就做了这个
Q：为什么要“密集numpy.ndarray，稀疏array.array”？
A：因为他本来只做线性筛，只修改数组，不insert、pop、remove;稀疏区长度变化平凡，要numpy.ndarray的“修改就创建新实例”的话那炸了，所以用array.array,密集区长度不变；所以可以用更高效的numpy.ndarray
Q：为什么要有TruesArray/FalsesArray？直接用BoolHybridArr([True]*n)/BoolHybridArr([False]*n)不行吗？
A：因为BoolHybridArr([True]*n)在计算[True]*n时如果n太大，那么列表的内存会溢出
Q：**BoolHybridArr和BoolHybridArray**有什么区别？
A：BoolHybridArray是本库中的核心类，所有函数都是围绕他进行的，但需要split_index,size,is_sparse； BoolHybridArr是一个函数，用于把一个可迭代对象转为BoolHybridArray类
Q：为什么不建议把太大的本类型数组打印？
A：虽然BoolHybridArray类型数组省内存，但字符串不省内存，一个True要4字节，一个False要5字节，连逗号都要占1字节（numpy.ndarray：我都比字符串省内存）

Q：为什么使用在Windows终端使用PyPy时建议先调用chcp 65001再启动PyPy？

A：因为本库有很多的的中文报错和打印，项目里也可能会有。Windows终端里的PyPy默认是GBK编码，有中文时会乱码。chcp 65001可以切换到UTF-8编码，防止乱码。也可以把print换成cout防止乱码

bool-hybrid-array

🔥 全网下载140K+，但GitHub星标≈0的「神秘Python包」🔥

为啥这么多人下载还没人来GitHub？

我也不知道😭 可能大家下载完就把我忘了，求各位大佬来看看孩子吧！

今日目标

📌 星标破50：出详细教程+性能对比视频 📌 星标破100：直播在线改bug（你提我改，绝不耍赖）

源代码和原理

请见来看看我自己的布尔数组吧！或Github仓库

许可证

本项目采用MIT许可证，详情参见LICENSE文件。补充法律约束详见** NOTICE 文件**。任何二次分发行为必须完整保留未经修改的 NOTICE 文件；违反该要求将立即终止你依据 MIT 协议获得的全部使用授权。

Metadata

Release files for bool-hybrid-array 9.11.47

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for bool-hybrid-array 9.11.47
File	Size	Uploaded
bool_hybrid_array-9.11.47.tar.gz	772.3 kB	Aug 2, 2026	Details

Built distribution (wheel)

Table of built distributions (wheels) for bool-hybrid-array 9.11.47
File	Interpreter	ABI	Platform	Reset
bool_hybrid_array-9.11.47-cp314-cp314-win_amd64.whl 1.2 MB Aug 2, 2026	CPython 3.14	CPython 3.14	Windows x86-64	Details

Total release size: 2.0 MB

Release files / bool_hybrid_array-9.11.47.tar.gz

Download URL	bool_hybrid_array-9.11.47.tar.gz
Size	772.3 kB
Tags	Source
SHA-256 checksum How to use checksums	`d7d8522174cac7ee306f60e26266fc2b9117ad128b56f4a4b15dbddd35edca2b`
BLAKE2b-256 checksum How to use checksums	`89a4abf84b4852e74f07d0ada1a7633d0ba90345ec7ff30bc46f0c13d8f27ec8`
Upload date	Aug 2, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.14.6`

Release files / bool_hybrid_array-9.11.47-cp314-cp314-win_amd64.whl

Download URL	bool_hybrid_array-9.11.47-cp314-cp314-win_amd64.whl
Size	1.2 MB
Tags	CPython 3.14 Windows x86-64
SHA-256 checksum How to use checksums	`911e66beac3bda74eb9cc4ec1f0d44cc33cb1a66fe314ada4ae60668285ceb75`
BLAKE2b-256 checksum How to use checksums	`64f4023aa5c6fa536299b9be6f545fe1bd7f22c9ab1e38ba1905704b7eb83a8a`
Upload date	Aug 2, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.14.6`