高效的数据类型 Python（列表还是numpy数组？）
我现在还是不太确定是用列表好还是用numpy数组好。
我一开始用的是numpy数组，但因为我需要频繁添加元素，结果导致很多vstack，这让我的代码变得很慢。
如果用列表的话，这个问题就能解决，但我还需要删除元素，而在numpy数组上删除元素又比较方便。
现在看来，我可能得自己写一个数据类型（用编译语言，然后封装一下）。我只是好奇，是否有办法用Python的类型来完成这个工作。
总结一下，我的数据类型需要满足以下条件：
- 有2维，行数n（可变），每行有k（固定）个元素
- 在内存中是一块连续的（这样操作起来会更高效）
- 能以平均常数时间添加行，就像C++的向量那样，但每次都是k个元素
- 能删除一组元素（最好是就地删除，保持末尾有空闲空间以便后续添加）
- 能根据行和列的索引访问元素（O(1)，像data[row*k + column]那样）
我觉得有这样一个数据类型是很有用的，而且在C/Fortran中实现起来也不是不可能。
用Python的话，我能做到最接近的是什么呢？（或者，你觉得写一个Python类来实现这个数据类型可行吗？这样的话性能会怎么样呢？）
1 个回答
1
我觉得，如果你在用C语言或Fortran编程，你得知道数组的大小，这样才能分配合适的内存（不考虑realloc这个函数！）。所以假设你知道这个大小，为什么还需要往数组里添加元素呢？
无论如何，numpy数组有一个resize方法，你可以用它来扩展数组的大小。