array

array(dataType|template, [initialSize], [capacity], [defaultValue])

创建一个向量。

与 Python 中 numpy.array 和 pandas.array 的区别：numpy.array 用于把 object 转换为 ndarray，并可推断或指定 dtype、维度、内存顺序和复制策略；pandas.array 用于从序列创建 pandas ExtensionArray，侧重 nullable/extension dtype 推断；DolphinDB 的 array 用于按指定数据类型或模板创建 DolphinDB 向量，并可指定 initialSize、capacity 和 defaultValue。

template 是一个已有向量。这个已有向量的数据类型决定了新向量的数据类型。

initialSize 是正整数，表示向量的初始长度，即该向量新建时的元素数量。

capacity 是正整数，表示向量的容量，即该向量新建时系统为该向量分配的内存（以元素数为单位）。当元素数超过capacity时，系统会自动扩充容量。系统首先会分配当前容量1.2~2倍的内存，然后复制数据到新的内存空间，最后释放原来的内存。

defaultValue 是向量的默认值。若指定，则只能是标量。若不指定：对于多数数据类型，默认值是 0；对于字符串和符号（Symbol），默认值是 NULL。

由 dataType 或 template 决定，可以是强类型向量、普通元组、列式元组或数组向量。

例 1：创建一个强类型向量。

x=array(INT, 10, 100, 1) // 向量初始长度是 10；容量是 100；元素默认值是 1
x
// 输出：[1,1,1,1,1,1,1,1,1,1]

typestr x
// 输出：FAST INT VECTOR

例 2：创建一个普通元组。

tp = array(ANY, 0, 10)
tp.append!([1, "DolphinDB", 3.14]) // 普通元组的元素可以是不同类型
tp
// 输出：(1,"DolphinDB",3.14)

typestr(tp)
// 输出：ANY VECTOR

例 3：创建一个列式元组。

ct = array(ANY[INT], 0, 10)
ct.append!([10, 20, 30])
ct.append!([40, 50])
ct
// 输出：([10,20,30],[40,50])

typestr ct
// 输出：ANY[INT] VECTOR

将列式元组作为表的一列：

t = table(1 2 as id, `A`B as name, ct as data)
t
/* 输出
   id name data
   -- ---- ------------
   1  A    [10,20,30]
   2  B    [40,50] */

schema(t).colDefs
// data 列的 typeString 为 ANY[INT]

例 4：创建一个数组向量。

av = array(INT[], 0, 10)
av.append!([1 2 3, 4 5, 6 7 8, 9 10])
av
// 输出：[[1,2,3],[4,5],[6,7,8],[9,10]]

typestr(av)
// 输出：FAST INT[] VECTOR

例 5：基于已有向量的类型创建新的向量。新向量中的元素不会复制模板向量的值。

template = 1 2 3
x = array(template, 5, 10, 0)
x
// 输出：[0,0,0,0,0]

typestr x
// 输出：FAST INT VECTOR