python定义数组长度_在Python列表中存储Python对象与固定长度的Numpy数组

对于像这样的事情,不要在numpy中使用对象数组.

他们打败了numpy数组的基本目的,虽然它们在极少数情况下很有用,但它们几乎总是一个糟糕的选择.

是的,在python中访问numpy数组的单个元素或在python中迭代numpy数组比使用list的等效操作慢. (这就是为什么当x是一个numpy数组时你永远不应该做y = [item * 2 for item in x]的事情.)

Numpy对象数组的内存开销略低于列表,但是如果你存储了许多单独的python对象,那么你将首先遇到其他内存问题.

Numpy首先是一个用于统一数值数据的内存高效的多维数组容器.如果你想在numpy数组中保存任意对象,你可能需要一个列表.

我的观点是,如果你想有效地使用numpy,你可能需要重新思考你是如何构建事物的.

不是将每个对象实例存储在numpy数组中,而是将数值数据存储在numpy数组中,如果每个行/列/需要单独的对象,则在每个实例中将索引存储到该数组中.

这样,您可以快速操作数值数组(即使用numpy而不是list comprehensions).

作为我正在谈论的一个简单例子,这里有一个简单的例子,没有使用numpy：

from random import random

class PointSet(object):

def __init__(self, numpoints):

self.points = [Point(random(), random()) for _ in xrange(numpoints)]

def update(self):

for point in self.points:

point.x += random() - 0.5

point.y += random() - 0.5

class Point(object):

def __init__(self, x, y):

self.x = x

self.y = y

points = PointSet(100000)

point = points.points[10]

for _ in xrange(1000):

points.update()

print 'Position of one point out of 100000:', point.x, point.y

以及使用numpy数组的类似示例：

import numpy as np

class PointSet(object):

def __init__(self, numpoints):

self.coords = np.random.random((numpoints, 2))

self.points = [Point(i, self.coords) for i in xrange(numpoints)]

def update(self):

"""Update along a random walk."""

# The "+=" is crucial here... We have to update "coords" in-place, in

# this case.

self.coords += np.random.random(self.coords.shape) - 0.5

class Point(object):

def __init__(self, i, coords):

self.i = i

self.coords = coords

@property

def x(self):

return self.coords[self.i,0]

@property

def y(self):

return self.coords[self.i,1]

points = PointSet(100000)

point = points.points[10]

for _ in xrange(1000):

points.update()

print 'Position of one point out of 100000:', point.x, point.y

还有其他方法可以执行此操作(例如,您可能希望避免在每个点中存储对特定numpy数组的引用),但我希望它是一个有用的示例.

注意它们运行速度的差异.在我的机器上,numpy版本相差5秒,而纯python版本相差60秒.