我正在将一个C ++科学应用程序移植到python，因为我是python的新手，我想到了一些问题：
1）我正在定义一个包含坐标（x，y）的类。这些值将被访问多次，但它们只会在类实例化后读取。在内存和访问时间方面使用元组或numpy数组是否更好？
2）在某些情况下，这些坐标将用于构建复数，在复杂函数上进行评估，并将使用此函数的实际部分。假设无法分离此函数的实部和复杂部分，并且最后必须使用实部，可能最好直接使用复数来存储（x，y）？在python中从复杂到真实的转换有多糟糕？ c ++中的代码执行了很多这些转换，这在代码中是一个很大的减速。
3）还必须执行一些坐标转换，对于坐标，将分别访问x和y值，转换完成，并返回结果。坐标变换是在复平面中定义的，因此直接使用组件x和y比依赖复杂变量更快？
谢谢
答案 0 :(得分：6)
就内存消耗而言，numpy数组比Python元组更紧凑。 numpy数组使用单个连续的内存块。 numpy数组的所有元素必须是声明的类型（例如32位或64位浮点数。）Python元组不一定使用连续的内存块，元组的元素可以是任意Python对象，通常比numpy数字类型消耗更多的内存。
所以这个问题对numpy来说是一个不折不扣的胜利，（假设数组的元素可以存储为numpy数字类型）。
关于速度问题，我认为选择归结为“你能代码化你的代码吗？”这个问题。
也就是说，你可以将你的计算表达为对整个数组元素进行的操作。
如果代码可以被矢量化，那么numpy很可能比Python元组更快。 （我可以想象的唯一情况是，如果你有很多非常小的元组。在这种情况下，形成numpy数组的开销和导入numpy的一次性成本可能会淹没矢量化的好处。）
无法矢量化的代码示例是，如果您的计算涉及查看数组z中的第一个复数，执行产生整数索引idx的计算，然后检索z[idx]，对该数字进行计算，产生下一个索引idx2，然后检索z[idx2]等。这种类型的计算可能无法进行矢量化。在这种情况下，你也可以使用Python元组，因为你将无法利用numpy的力量。
我不担心访问复数的实部/虚部的速度。我的猜测是矢量化的问题很可能决定哪种方法更快。 （顺便说一句，numpy可以简单地通过跨越复杂数组，跳过所有其他浮点数，并将结果视为浮点数来将一个复数数组转换为它们的实部。此外，语法很简单：If {{ 1}}是一个复杂的numpy数组，然后z是浮动numpy数组的真实部分。这应该比使用属性查找的列表理解的纯Python方法快得多：z.real。 ）
出于好奇，您将C ++代码移植到Python的原因是什么？
答案 1 :(得分：3)
具有额外维度的numpy数组在内存使用方面更紧密，并且至少与numpy元组数组一样快！复数至少同样好或甚至更好，包括你的第三个问题。顺便说一句，你可能已经注意到了 - 虽然问题比你的问题要晚得多，但是你正在休息：部分原因无疑是在一个问题中询问三个问题会使响应者关闭。为什么不问每个问题一个问题呢？这不是因为你对问题或任何事情收费，你知道......！ - ）