Python 如何在OO中轻松高效地存储numpy UFUNC的仿真数据

在jupyter笔记本中，OO对资源进行了建模，但在控制循环中，需要在多个对象上聚合数据，这与UFUNC和类似操作相比效率低下
为了打包功能，我选择了OO，但为了高效简洁的代码，我可能必须将数据提取到一个存储类中（可能），并将所有ri[0]行推送到一个2d数组中，在本例中为（2，K）。 该类不需要日志，只需要最后的条目

K = 100
class Resource:

    def __init__(self):
        self.log = np.random( (5,K) )
        # log gets filled during simulation

r0 = Resource()
r1 = Resource()

# while control loop:
    #aggregate control data
    for k in K:
        total_row_0 = r0.log[0][k] + r1.log[0][k]
    #do sth with the totals and loop again

这将极大地提高性能，但是如果单独存储数据，我很难将数据链接到类。你将如何处理这个问题？熊猫数据帧、np视图还是浅拷贝

[[...] #r0
 [...] ]#r1 same data into one array, efficient but map back to class difficult 

以下是我对它的看法：

import numpy as np

K = 3
class Res:
    logs = 2
    def __init__(self):
        self.log = None

    def set_log(self, view):
        self.log = view

batteries = [Res(),  Res()]
d = {'Res': np.random.random( (Res.logs * len(batteries), K) )}        

for i in range(len(batteries)):
    view = d['Res'].view()[i::len(batteries)][:]
    batteries[i].set_log(view)

print(d)
batteries[1].log[1][2] = 1#test modifies view of last entry of second Res of second log
print(d)