Как создать динамический массив

Насколько я понимаю, тип list в Python представляет собой динамический массив указателей, который увеличивает его емкость при добавлении элементов к нему. И массив в NumPy использует область непрерывной памяти для хранения всех данных массива.

Существуют ли типы, которые динамически увеличивают его емкость как список и сохраняют значение в виде массива NumPy? Что-то вроде List in C #. И здорово, если тип имеет тот же интерфейс, что и массив NumPy.

• Повторная дискретизация Pandas с использованием numpy percentile?
• Как добраться до единичной матрицы от numpy.dot (A, A_inv)
• В matplotlib, почему это быстрее, чтобы построить более тонкие линии?
• sklearn - Перекрестная проверка с несколькими баллами
• Генерировать случайные числа, реплицируя произвольное распределение

Я могу создать класс, который обертывает массив NumPy внутри и изменяет размер этого массива, когда он заполнен, например:

 class DynamicArray(object): def __init__(self): self._data = np.zeros(100) self._size = 0 def get_data(self): return self._data[:self._size] def append(self, value): if len(self._data) == self._size: self._data = np.resize(self._data, int(len(self._data)*1.25)) self._data[self._size] = value self._size += 1 

но DynamicArray не может использоваться в качестве массива NumPy, и я думаю, что все представления, возвращаемые get_data (), до np.resize () будут содержать старый массив.

Изменить: тип массива в массиве – динамический массив. Следующая программа проверяет коэффициент увеличения списка и массива:

 from array import array import time import numpy as np import pylab as pl def test_time(func): arrs = [func() for i in xrange(2000)] t = [] for i in xrange(2000): start = time.clock() for a in arrs: a.append(i) t.append(time.clock()-start) return np.array(t) t_list = test_time(lambda:[]) t_array = test_time(lambda:array("d")) pl.subplot(211) pl.plot(t_list, label="list") pl.plot(t_array, label="array") pl.legend() pl.subplot(212) pl.plot(np.where(t_list>2*np.median(t_list))[0]) pl.plot(np.where(t_array>2*np.median(t_array))[0]) pl.show() 

из графика: коэффициент увеличения списка больше, чем массив.

• Давайте сделаем ссылочную реализацию N-мерного пиксельного биннинга / bucketing для numpy python
• Утилита устаревания FORTRAN в Python. Можно ли использовать `setuptools` и` numpy.distutils`?
• умный способ чтения нескольких переменных из текстового файла в python
• Должен ли я использовать numpy (или pylab) в качестве среды python, используя `from numpy import *`?
• Является ли openpyxl самым быстрым пакетом для чтения больших файлов xlsx?