许多Numpy数组与少量Python类

Question

我正在做一个项目，该项目高度依赖于较小的2D Numpy数组来表示我们的数据（在最坏的情况下，其大小约为100 x 4）。 这种表示的问题在于，鉴于问题的背景，它非常麻烦且不清楚，维护起来很麻烦，而且容易出错。 例如，在这些数组的上下文中，我当前的任务需要添加和删除多个行，并分配大量的行。 我认为面向对象，基于图形的方法在我的端部使用起来将更加清晰，并且对于将来的开发更加通用。 在坐下来设计纸上的大多数功能之后，可能会有5或6个带有内部字典的较大类（表示图形的邻接表），从而消除了对Numpy数组的需求，并且解释起来更加清晰。

众所周知，就索引速度和大多数其他功能而言，Numpy数组将Python数据结构吹脱了。 但是，我也知道Python字典是经过高度优化的，并且其效率很高。 我的难题是，是否重新分配许多Numpy数组和来回复制值是否比一些持久类更有效或更有效，这些持久类可以轻松进行编辑而无需重新分配，但索引时间比Numpy数组慢。

值得注意的是，除了np.where() ，我没有使用很多Numpy功能，可以在必要时解决。 同样，该算法不按数组的大小进行缩放，而是按数组的数量进行缩放。 一个较难的问题将有更多的数组，但不一定是更大的数组。

谢谢！