在Cython中做列表/字典的习惯方法？
我的问题：我发现使用STL映射和向量处理大型数据集与原始C ++通常可以比使用Cython快得多（并且内存占用更less）。
我认为这部分的速度损失是由于使用了Python列表和字典，并且在Cython中可能会有一些技巧使用较less的devise数据结构。 例如，这个页面（ http://wiki.cython.org/tutorials/numpy ）展示了如何通过预定义ND数组的大小和types来在Cython中快速生成numpy数组。
问题：有没有办法像列表/字典那样做类似的事情，例如大致说明你期望在其中有多less个元素或（键，值）对？ 也就是说，有没有一种习惯的方法来将列表/字典转换为Cython中的（快速）数据结构？
如果没有，我想我只需要用C ++编写它，并包装在一个Cython导入。
现在Cython具有模板支持，并附带一些STL容器的声明。
请参阅http://docs.cython.org/src/userguide/wrapping_CPlusPlus.html#standard-library
以下是他们给出的例子：
from libcpp.vector cimport vector cdef vector[int] vect cdef int i for i in range(10): vect.push_back(i) for i in range(10): print vect[i] 在Python中执行类似于C ++的操作往往会比较慢。 list和dict实际上实现得很好，但是使用Python对象会比C ++对象抽象得多，并且在运行时需要更多的查找。
顺便说一下， std::vector的实现方式与list非常类似。 但是， std::map实际上是以某种方式实现的，因为它的大小越来越大，许多操作都比dict慢。 对于每个dict适当大的例子， dict克服了比std::map慢的固定因素，并且实际上会更快地执行诸如查找，插入等操作。
如果你想使用std::map和std::vector ，没有什么能阻止你。 如果你想把它们暴露给Python，你将不得不自己包装它们。 如果这个包装消耗了你希望保存的所有或大部分时间，不要感到震惊。 我不知道任何工具，使你自动自动。
有一些C API调用来控制对象的创build。 你可以说“用至less这么多的元素做一个列表”，但是这并不能改善你的列表创build和填充操作的整体复杂性。 当您尝试更改列表时，它肯定不会改变太多。
我的一般build议是
-
如果你想要一个固定大小的数组（你可以指定一个列表的大小），你可能真的想要一个像numpy数组一样的东西。
-
我怀疑你会得到任何加速，你想使用
std::vectorlist中的一个普通replace代码。 如果你想在幕后使用它，它可能会给你一个满意的大小和空间的改善（我当然不知道没有测量，也不是）。 -
dict实际上做得很好。 我绝对不会尝试在基于std::mapPython中引入一个新的通用types，这对于许多重要的操作来说具有更差的algorithm复杂性，并且至less在一些实现中至less给用户留下了一些优化dict已经有了。如果我确实想要更像
std::map，我可能会使用数据库。 这通常是我所做的事情，如果我想存储在一个dict（或者说，我存储在list东西）的东西太大，我觉得在内存中的存储感觉舒适。 Python在stdlib中有sqlite3，而其他所有主要数据库的驱动程序都是可用的。
C ++是快速的，不仅仅是因为向量的静态声明和进入它的元素，而且关键是因为使用模板/generics指定向量将只包含特定types的元素，例如带有三个元素的元素的向量。 Cython不能做这最后一件事情，这听起来不平凡 – 它将不得不在编译时强制执行（在运行时types检查是Python已经做了什么）。 所以现在当你从Cython的某个列表中popup一些东西的时候，事先不知道它是什么types，把它放在一个typesvariables中只会增加一个types检查，而不是速度。 这意味着在这方面没有办法绕开Python解释器，而在我看来这是Cython对于非数值任务最重要的缺点。
解决这个问题的手动方法是用特定types的元素或键值组合的cdef类inheritancepython list / dict（或者std :: vector）。 这与模板生成的代码相同。 只要你在Cython代码中使用结果类，它应该提供一个改进。
使用数据库或数组只是解决了一个不同的问题，因为这是关于在容器中放置任意对象（但具有特定的types，最好是一个cdef类）。
而std :: map不应该与dict相比; std :: map维护按键sorting，因为它是一个平衡的树，字典解决了一个不同的问题。 更好的比较是dict和Google的哈希表。
如果这适合您的Cython设置，您可以看看Python的标准array模块。 我不确定，因为我从来没有使用过Cython。
没有办法让本地Python列表/字典达到C ++地图/vector的速度，甚至任何地方closures。 它与分配或types声明无关，而是支付解释器开销。 你提到的例子（numpy）是一个C扩展，并且正是用C编写的。
