Python 如何处理长度不同的列表和数组？

我有以下代码：

ray_points = [np.array([r1_1, r2_1, r3_1, r4_1]),np.array([r1_2, r2_2, r3_2, r4_2]),np.array([r1_3, r2_3, r3_3, r4_3])]

列表

光线点

包含光线的坐标。对于这个例子，我有四条光线（r1、r2、r3、r4）。每次我找到光线的下一个坐标后（当光线移动并撞击另一个表面时，它们具有“新”坐标），我都会在列表中添加一个新的大小数组（4L，3L），（4L代表四条光线，3L代表三个空间坐标）。例如，r1_2是一个长度为3的数组，表示射线r1的第二个坐标，r3_3表示射线r3的第三个坐标，依此类推

我以前的方法是有N个不同的列表，每个列表都包含使用具有形状（3L，1L）的数组的坐标，用于N个不同的光线。现在我使用一个（4L，3L）数组来存储每个新交叉点的所有光线坐标，因为我想“矢量化”我的代码以加快速度。（想象一下，如果我有10万条光线）。每次我要计算下一个坐标、下一个折射方向等时，我都会经过光线的最前面的坐标，这是简单的

光线点[-1]

到我的函数和直接计算此数组的所有内容的函数，通过创建N个不同的列表并循环每个光线进行计算，这比我之前做的要快得多

现在的问题是，如果不同的光线有不同数量的曲面相交，因此有不同数量的新坐标，我会遇到麻烦。例如，光线r1已经折射10次，并且已经终止，所以我将只使用r1_1，r1_2。。。r1_10。但我仍然需要跟踪其他射线r2，r3，r4。由于我使用一个4X3数组，其中包含4条射线的坐标，因此我必须不断向r1添加坐标。我可以使用保持r1的新点/方向相同的方法，但我只是在浪费内存，想象一下，如果所有光线都被终止，并且我有一条光线一直在移动并具有新的坐标，那么

光线点的大多数元素实际上是冗余的

我想知道我应该如何设置我的初始代码，以便我可以使用这种矢量化方法来加快速度，但我仍然可以保留原始方法的优势-分别处理每条光线，以便我可以处理具有不同数量新坐标的光线。
我读了你的第二和第三段大约四遍，即使我是一名光学物理学家和python程序员，我必须说我一点也不知道你在问什么。试着用严格的计算机科学语言重复这个问题。我尽力把它解释得更清楚。看看新版本是否有助于你理解我的问题。我建议你把问题抽象出来。忽略您的独特问题，询问您希望形成什么样的数据结构。不管光线如何。。。我很难从你所拥有的中理解你想要什么。就我的两个世纪，我在这里问了一个新问题，这个问题应该更加精确和明确：