高效的数据类型Python（列表还是numpy数组？）

我仍然不知道是使用列表还是numpy数组。
我从后者开始，但是因为我必须做很多附加工作 我最终遇到了许多vStack问题，使我的代码速度减慢。
使用list可以解决这个问题，但我还需要删除元素 这同样适用于numpy数组上的delete

现在看来，我必须编写自己的数据类型（使用编译语言和wrap）。 我只是好奇，是否有办法使用python类型完成工作

总而言之，我的数据类型必须满足以下标准：

• 2d n（可变）行，每行k（固定）元素
• 在内存中，一块一块地存储（对于高效运行来说，这将是一件好事）
附加行（平均为常数，像C++向量总是K元素）
• 删除一组元素（最佳：原地，在末尾保留可用空间，以便以后追加）
• 给定行和列索引（O（1）类数据[row*k+column]的access元素

对于我来说，这样的数据类型通常很有用，而且在C/Fortran中实现起来并非不可能。
用python我能得到的最接近的结果是什么？

---

（或者，您认为为数据类型编写python类是否可行？在这种情况下，我应该期望什么性能？

在我看来，如果使用C或Fortran进行此操作，您必须了解数组的大小，以便能够分配正确的内存量（忽略

realloc

！）。那么假设您知道这一点，为什么需要附加到数组中

---

在任何情况下，numpy数组都有

resize

方法，您可以使用该方法扩展数组的大小。

在我看来，如果使用C或Fortran进行此操作，您必须了解数组的大小，以便分配正确的内存量（忽略

realloc

！）。那么假设您知道这一点，为什么需要附加到数组中

---

在任何情况下，numpy数组都有

resize

方法，您可以使用该方法来扩展数组的大小。

我怀疑问题不在于numpy数据结构本身，而在于使用

vstack

，它总是创建一个新数组，而不是调整现有数组的大小。一个句号，两个逗号，三个问号…It必须是语法抵制中的记录！我怀疑问题不在于numpy数据结构本身，而是使用了

vstack

，它总是创建一个新数组，而不是调整现有数组的大小。一个句号，两个逗号，三个问号…它必须是语法抵制中的记录！：oIn C我将以arr开头ay大小为kx1000，每次空间用完时将分配的内存加倍（如果加倍复制所有数据是可以的，只要不是每次添加行时都复制数据）。调整大小看起来很有趣。（我以前没有意识到。）我想我还是应该自己记账，总是调整大小到两倍，而不是每增加一行就调整大小。在C语言中，我会从数组大小kx1000开始，每次用完空间时，就将分配的内存增加一倍（如果这个加倍复制所有数据是可以的，只要不是每次我添加一行时都复制）。调整大小看起来很有趣。（我以前没有意识到。）我想我还是应该自己记账，总是调整大小使大小加倍，而不是为每一行调整大小。