Numba 中的类型列表与 ND 数组
Typed lists vs ND-arrays in Numba
有人可以澄清一下，在 ND 数组上使用 Numba 类型列表有什么好处？另外，两者在速度方面如何比较，在什么情况下建议使用类型化列表？
类型列表 当您需要追加 一个元素序列但您不知道元素的总数并且您甚至找不到合理的 bound。这样的数据结构比一维数组昂贵（在内存space和计算时间上）要多得多。
一维数组无法有效地调整大小：需要创建一个新数组并且必须执行复制。但是，一维数组的索引非常便宜。 Numpy 还提供了许多可以 本机 对其进行操作的函数（当传递给 Numpy 函数时，列表会隐式转换为数组，这个过程很昂贵）。请注意，项目的数量可以限制在合理的大小（即不高于实际元素的数量），您可以创建一个大数组，然后添加元素，最后处理数组的子视图.
ND 数组不能直接与列表进行比较。请注意，列表列表类似于 锯齿状数组 （它们可以包含不同大小的列表），而 ND 数组类似于（固定大小）N x ... x M table .列表的列表效率很低，通常不需要。
因此，尽可能使用 ND 阵列，并且您不需要经常调整 它们的大小（或append/remove 元素）。否则，使用类型列表。
有人可以澄清一下，在 ND 数组上使用 Numba 类型列表有什么好处？另外，两者在速度方面如何比较，在什么情况下建议使用类型化列表？
类型列表 当您需要追加 一个元素序列但您不知道元素的总数并且您甚至找不到合理的 bound。这样的数据结构比一维数组昂贵（在内存space和计算时间上）要多得多。
一维数组无法有效地调整大小：需要创建一个新数组并且必须执行复制。但是，一维数组的索引非常便宜。 Numpy 还提供了许多可以 本机 对其进行操作的函数（当传递给 Numpy 函数时，列表会隐式转换为数组，这个过程很昂贵）。请注意，项目的数量可以限制在合理的大小（即不高于实际元素的数量），您可以创建一个大数组，然后添加元素，最后处理数组的子视图.
ND 数组不能直接与列表进行比较。请注意，列表列表类似于 锯齿状数组 （它们可以包含不同大小的列表），而 ND 数组类似于（固定大小）N x ... x M table .列表的列表效率很低，通常不需要。
因此，尽可能使用 ND 阵列，并且您不需要经常调整 它们的大小（或append/remove 元素）。否则，使用类型列表。