实际上，我正在对numpy array进行序列操作，因此，我想知道如何快速访问a[i]？
（因为我在最后一个循环中访问了a[i-1]，因此，在c++中，我们可以通过向a[i]的地址添加1来访问a[i-1]，但我不知道是否有可能在numpy。谢谢。
答案 0 :(得分：0)
我认为这是不可能的/ a[i]是最快的方式。
Python是一种比c++更容易学习（和使用）的编程语言，这当然是有代价的，其中一个成本是，它的速度较慢。
你所谈论的引用可能是“危险的”，因此python使得它们（人们）无法（轻松）使用它们，以保护它们免受不理解的事物的侵害。
虽然引用速度更快，但你不能在python中使用它们（因为它总是较慢，使用引用的差异与否并不重要）
答案 1 :(得分：0)
最好不要将Python NumPy: ndarray视为C ++数组。他们有很大的不同。 Python还提供了自己的本地list对象，并在其标准库中包含array模块。
Python列表的行为大致类似于通用数组（在许多编程语言中都有）。这是一个有序的序列;元素可以通过整数索引从0到（但不包括）列表的长度（ len（mylist））来访问;元素范围可以使用“切片”表示法（ mylist [start_offset：end_offset] ）访问，返回另一个列表对象;负索引被视为列表末尾的偏移量（ mylist [-1] 是列表的最后一项），依此类推。
此外，它们还支持许多方法，例如 .count（）， .find（）和 .replace（）。
与大多数编程语言中的数组不同，Python列表是异构的。元素可以是Python中任何对象类型的任意混合，包括对嵌套列表，字典，代码，类，生成器对象和其他可调用的第一类对象的引用，当然还有自定义对象的实例。
Python数组模块允许实例化类似列表的同类对象。也就是说，您可以使用十几种原始数据类型（字符或Unicode，有符号或无符号的短整数或长整数，浮点或双精度浮点数）来实例化它们。索引和切片与Python本机列表相同。
Python array.array（）实例的主要优点是，它们可以比更通用的列表对象更紧凑地存储大量元素。这些数组上的各种操作可能比通过迭代或以其他方式引用本机Python列表中的元素所执行的类似操作更快，因为在更紧凑的数组布局（内存中）中有更大的引用局部性，并且因为类型约束避免了某些操作处理广义对象时产生的调度开销。
另一方面，NumPy远比Python 数组模块复杂。
首先， ndarray 可以是多维的，可以动态重塑。通常从线性 ndarray 开始并将其重塑为矩阵或其他更高维度的结构。此外， ndarray 支持比Python array 模块更丰富的数据类型集。 NumPy还实现了一些相当高级的fancy indexing功能。
但NumPy的真正性能优势与它如何“矢量化”大多数操作，在数据结构中广播它们（可能使用CPU支持的任何SIMD功能甚至是GPU在此过程中。列举了许多常见的矩阵操作，当用Python编写适当的NumPy时，它们作为本机机器代码的速度执行。这种性能优势远远超出了引用局部性的微小影响，并且避免了使用简单的数组获得的调度表模块。