高效的数据类型Python（list或numpy数组？）

Question

我仍然对使用list或numpy数组感到困惑 我从后者开始，但因为我必须做很多追加 我最终得到了许多vstack，减慢了我的代码 使用list可以解决这个问题，但我还需要删除元素 这对numpy数组上的删除再次有效。

现在看起来我将不得不编写自己的数据类型（用编译语言编写）。 如果没有办法使用python类型完成工作，我只是好奇。

总结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）元素
• 在记忆中一件（对于有效的操作会很好）
• 追加行（平均常量时间，如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便以后添加）
• 给定行和列索引的访问元素（O（1）类似数据[row * k + column]

对我来说，拥有这样的数据类型并不是无法在C / Fortran中实现，这对我来说通常很有用 我能用python获得的最接近的是什么？ （或许，你认为为数据类型编写一个python类会有用吗？在这种情况下我应该期待什么性能？）

Answer 1

正如我所看到的，如果你在C或Fortran中这样做，你必须知道数组的大小，以便你可以分配正确的内存量（忽略realloc！ ）。所以假设你知道这个，你为什么需要附加到数组？

在任何情况下，numpy数组都有resize方法，您可以使用它来扩展数组的大小。