Python: 不同类型的多维数组

Question

在Python中，能不能创建一个包含不同类型的多维数组呢？我通常的做法是用 [([None] * n) for i in xrange(m)]，但我不想用 list。我想要的是一种在内存中真正连续的指针数组，而不是列表。（每个列表本身是连续的，但当你创建一个列表的列表时，这些不同的列表可能会分散在内存的不同地方。）

而且，写 [([None] * n) for i in xrange(m)] 这种方式来初始化一个空数组，感觉有点复杂，不像 empty_array(m, n) 这样简单。有没有更好的方法呢？

Answer 1

在很多情况下，这种数组并不是必须的，因为还有更优雅的解决方案可以解决这些问题。你可以把你想做的事情说出来，这样别人才能给你一些建议。

不过，如果你真的、真的需要这样的数据结构，可以使用 array.array。

Answer 2

如果你在使用numpy，可能会发现numpy的对象数组其实是“内存中指针的连续数组”。

不过，这种数组往往不能发挥numpy数组的通常优势，结果可能并不是解决问题的好办法……

（正常情况下，numpy数组是同类型数据的连续内存，这样可以对整个数组进行快速计算……而对象数组只是指向Python对象的指针数组，所以不能做到这一点。）

不过，np.empty((m,n), dtype=np.object)可以满足你的需求。

例如：

x = np.empty((3,4), dtype=np.object)
print x
x[2,3] = range(5)
x[1,2] = 2
x[1,3] = (item*2 for item in xrange(10))
print x

这样会得到：

Initial array:
[[None None None None]
 [None None None None]
 [None None None None]]

Modified array:
[[None None None None]
 [None None 2 <generator object <genexpr> at 0x8700d9c>]
 [None None None [0, 1, 2, 3, 4]]]

不过要注意，这种数组的速度会慢很多，而且内存使用效率也比“正常”的numpy数组低！(也就是说，甚至一个None对象占用的内存比一个（numpy，而不是python的）浮点数要多，而且你还得考虑存储在数组中的指针的额外开销。一个大的对象数组会占用大量内存！)

但是，如果你需要的实际上是一个多维列表，并且不打算频繁添加元素或改变它的大小，那么这种数组会非常方便。它们基本上相当于matlab中的单元数组，虽然在Python中这种数据结构的需求不大（因为Python有列表），但有时候还是挺有用的！