n维向量的环形缓冲区

Question

我正在开发一个实时应用程序。为了实现这个目标，我需要每秒存储大约20个数组。每个数组包含一些点，每个点都有自己的x和y坐标（将来可能还会有z坐标）。

我想到了一种环形缓冲区的方式，它的长度是所有数组的总长度（顺便说一下，这些数组可以看作是视频的帧），还有每个点的坐标数量（这个数量在一次执行中是固定的，但在后续执行中可能会变化）。

我的缓冲区是用一个全是零的numpy数组初始化的：np.zeros((lengthOfSlices,numberOfTrackedPoints))

不过，这似乎有点问题，因为我一次性把一个切片的所有点写入数组，而不是一个一个写。这就导致我无法正确地广播这个数组，因为它的形状不对。

有没有什么更符合numpy风格的方法来初始化这个全零的数组，然后再按向量的方式存储数据呢？

下面是我现在的代码：

class Buffer():
  def __init__(self, lengthOfSlices, numberOfTrackedPoints):
    self.data = np.zeros((lengthOfSlices,numberOfTrackedPoints))
    self.index = 0

  def extend(self, x):
    'adds array x to ring buffer'
    x_index = (self.index + np.arange(x.size)) % self.data.size
    self.data[x_index] = x
    self.index = x_index[-1] + 1

  def get(self):
    'returns the first-in-first-out data in the ring buffer'
    idx = (self.index + np.arange(self.data.size)) % self.data.size
    return self.data[idx]

Answer 1

你需要根据帧的长度来调整数组的形状。

简单的例子：

>>> import numpy as np
>>> A = np.zeros(100)
>>> B = np.reshape(A, (10,10))
>>> B[0]
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

所以这可能类似于 self.data = np.reshape(self.data, (lengthOfAFrame, 20))

编辑：
显然，调整形状并不是你唯一的问题，你可以查看一下 collections.deque，这是一个在Python中实现循环缓冲区的工具（来源和示例）