如何在 OO 中轻松高效地存储 numpy ufuncs 的模拟数据

Question

在 jupyter notebook 中，我对资源进行 OO 建模，但在控制循环中需要聚合多个对象的数据，与 ufunc 和类似操作相比效率低下。为了打包功能，我选择了面向对象，但为了高效简洁的代码，我可能必须将数据提取到存储类中（可能）并将所有 ri[0] 行推送到二维数组中，在本例中为 (2,K)。该类不需要日志，只需要最后一个条目。K = 100class Resource:    def __init__(self):        self.log = np.random( (5,K) )        # log gets filled during simulationr0 = 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这将大大提高性能，但如果单独存储，我很难将数据链接到类。你会如何处理这个问题？pandas DataFrames、np View 还是浅拷贝？[[...] #r0 [...] ]#r1 same data into one array, efficient but map back to class difficult 

Answer 1

这是我的看法：

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)