python 类对象数组

在 Python 中，处理类对象的数组主要依赖于列表（`list`）和 NumPy 的对象数组（`object` 类型数组）。这些结构可以存储任意类型的 Python 对象，包括自定义类的实例。以下是详细的操作方法： ### 创建包含类对象的数组 可以使用 Python 列表或 NumPy 的 `dtype=object` 数组来存储类实例。例如： ```python import numpy as np class Person: def __init__(self, name, age): self.name = name self.age = age # 使用列表存储类实例 people_list = [Person("Alice", 30), Person("Bob", 25)] # 使用 NumPy 对象数组存储类实例 people_array = np.array([Person("Alice", 30), Person("Bob", 25)], dtype=object) ``` ### 访问和修改类对象数组中的元素 无论是列表还是对象数组，都可以通过索引访问或修改其中的类实例： ```python # 访问列表中的类实例属性 print(people_list[0].name) # 输出: Alice # 修改列表中的类实例 people_list[0] = Person("Eve", 28) # 访问 NumPy 对象数组中的类实例属性 print(people_array[1].age) # 输出: 25 # 修改 NumPy 对象数组中的类实例 people_array[1] = Person("Dave", 35) ``` ### 操作类对象数组 可以通过遍历、条件筛选等方式操作类对象数组： ```python # 遍历列表并输出信息 for person in people_list: print(f"Name: {person.name}, Age: {person.age}") # 筛选年龄大于 30 的对象 older_people = [p for p in people_list if p.age > 30] # 在 NumPy 对象数组中筛选符合条件的对象 older_people_np = people_array[np.array([p.age > 30 for p in people_array])] ``` ### 内存管理与性能考量 NumPy 的对象数组虽然提供了灵活性，但由于每个元素都是独立的 Python 对象，因此内存管理和性能通常不如固定类型数组（如 `int` 或 `float` 类型的 NumPy 数组）[^1]。 ### 示例代码 以下是一个完整的示例，展示如何创建、访问和操作类对象数组： ```python import numpy as np class Product: def __init__(self, id, price): self.id = id self.price = price # 创建列表和 NumPy 对象数组 products_list = [Product(101, 9.99), Product(102, 14.99)] products_array = np.array([Product(101, 9.99), Product(102, 14.99)], dtype=object) # 修改列表中的对象 products_list[0] = Product(103, 19.99) # 修改 NumPy 对象数组中的对象 products_array[1] = Product(104, 24.99) # 遍历列表并输出信息 for product in products_list: print(f"ID: {product.id}, Price: ${product.price:.2f}") ``` ###