高效数据类型 Python（列表或 numpy 数组？）

Question

我仍然对使用列表还是 numpy 数组感到困惑。
我从后者开始，但由于我必须做很多 append 我最终得到了许多 vstacks 减慢了我的代码。
使用 list 可以解决这个问题，但我还需要删除在 numpy 数组上删除的元素。

现在看起来我将不得不编写自己的数据类型（用编译语言并换行）。 我只是好奇是否没有办法使用 python 类型完成工作。

总而言之，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
• memory 一体式（对高效运行会很好）
• append 行（具有平均恒定时间，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供以后追加）
• 访问元素给定的行和列索引（ O(1) 像 data[row*k+ column]

拥有这样的数据类型对我来说通常很有用，而且在 C/Fortran 中实现并非不可能。
python 我能得到的最接近的是什么？ （或者，您认为为数据类型编写 python class 是否可行？在这种情况下我应该期待什么性能？）

Answer 1

如我所见，如果您在 C 或 Fortran 中执行此操作，您必须了解数组的大小，以便您可以分配正确数量的 ZCD69B4957F06CD818D7BF3D6198E（假设您知道realloc ）这个？ 为什么需要append到阵列？

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