『疑問』python's Unhashable type and comprehensive list

[Hualin]

大家好，最近在寫一個小程序，思路是這樣的：

有一堆數據點，每個數據點包括其坐標和好幾個屬性字段，一下代碼有兩種實現方式，請原諒我不會在這裡站代碼貼圖：

方案一
== python 偽 code ==
ins = 1000 # 數據實例的個數
dim = 100 # 數據坐標的維數

import numpy as np

class attributes: # 數據點的屬性容器
def __init__(self, ins):
self.TRE = np.empty(shape(ins, 1), dtype = str) # 真實數據標記序列
self.PRD = np.empty(shape(ins, 1), dtype = str) # 估計數據標記序列
self.ERR = np.empty(shape(ins, 1), dtype = bool) # 估計錯誤標記序列
self.DSC = np.empty(shape(ins, 1), dtype = float) # 估計值序列

class space: # 數據空間容器
def __ init__(self, ins, dim):
self.mtx = np.array(shape = (ins, dim), dtype = float) # 數據坐標矩陣
self.atb = attributes(ins) # 數據屬性容器

== python 偽 code ==
評價：屬性字段是類的成員變量，不好查詢，如果要擴展，必須繼承該類，而往後的代碼如果要用該字段也要寫繼承原有的類，然後寫針對該字段操作的代碼。


方案二

== python 偽 code ==

class dot: # 單個數據點
def __init__(self):
# 在此定義你的數據格式
self.cdt = (0,0) # 二維數據坐標
self.atb = {TRE: false, 'PRD': False, 'ERR': False} # 數據屬性

class space: # 數據空間容器
def __init__(self, ins):
self.dataset = [dot() for each in range(ins)]

== python 偽 code ==
評價：對單個數據點定義，而不是對一個數據序列進行定義。字典類的成員變量方便了今後代碼的查詢和擴展，也不用從新寫方法，可以將查詢字段作為參數。

但代碼效率不高，因為：
方案一是定義一個數據序列，用的是 numpy 的 ndarray。後來的操作基本也是針對一個數據集，即對於一個數據序列的子集，為了方便應用 numpy 固有的數據操作 feature。

方案二更多的是用 python 自身的數據結構，而非 numpy。但兩種實現不可兼得，因為 字典類數據結構無法添加一個序列子項，因為 ndarray 是 unhashable type，故只能方案二也就只能定義單個數據點。

後來我注意到可以用 comprehensive list 表達式。例如，如果我後來對數據集操作，其實無須用一個循環把要操作的點遍歷一邊，還是可以用 numpy 的 feature，但要臨時建一個 numpy.ndarray 的實例：
arr = np.ndarray([each.cdt for each in self.dateset])

這樣代碼是美觀了，但我不知道這樣的實現效率如何，有沒有方案一那樣直接定義一個數據序列然後直接對其進行操作快？

所以請教大家這兩種方案我該選哪種，還是另有實現方式？

寫的有點多，最近一點 python 的疑惑。Thank you for reading。

[Hualin]

直接問了，Comprehensive list 表達式的效率怎麼樣？跟直接寫循環比？估計是一樣的吧。

[ewangke]

@Hualin 建议google一下generator

http://lmgtfy.com/?q=python+generator

[ewangke]

@Hualin http://www.dabeaz.com/generators/index.html

[Hualin]

@ewangke comprehensive list 感覺夠用了。
比如:
arr = np.ndarray([d.cdt for d in lstdot if d.atb['keyword'] == 'example'])

[ewangke]

@Hualin generator用的是yield，理论上绝不会比list comprehension慢，尤其在处理I/O的时候。

建议先写最直观的代码实现逻辑，再profile一下，看看空间有没有性能问题，问题在哪里。