python - 高效数据类型Python(列表还是numpy数组？)

Question

我仍然很困惑是使用列表还是 numpy 数组。
我从后者开始，但因为我必须做很多附加我最终发现许多 vstack 减慢了我的代码速度。
使用列表可以解决这个问题，但我还需要删除元素这再次适用于 numpy 数组上的删除。

现在看来，我必须编写自己的数据类型(用编译语言并换行)。我只是好奇是否没有办法使用 python 类型完成这项工作。

总而言之，这是我的数据类型必须满足的标准:

• 2d n(可变)行，每行 k(固定)个元素
• 在内存中(对于高效运行来说很有好处)
• 追加行(平均时间恒定，就像 C++ 向量总是 k 个元素)
• 删除一组元素(最好:就地，在末尾保留可用空间以供以后追加)
• 访问给定行和列索引的元素(O(1)，如 data[row*k+ column]

对我来说，拥有这样的数据类型通常很有用，并且在 C/Fortran 中实现并非不可能。
我用 python 能得到的最接近的结果是什么？(或者，您认为为该数据类型编写一个 python 类可行吗？在这种情况下我应该期望什么性能？)

Answer 1

据我所知，如果您在 C 或 Fortran 中执行此操作，则必须了解数组的大小，以便可以分配正确的内存量(忽略 realloc!)。因此，假设您确实知道这一点，为什么需要追加到数组中？

无论如何，numpy 数组都有 resize 方法，您可以使用该方法来扩展数组的大小。