使用Cython构建长度未知的一维数组/列表/向量的最有效方法？还是永远不要这样做？

Question

我用Cython写了一个时间临界模型。我的Cython扩展的主函数有一个循环，根据Cython profiler（它以黄色阴影显示Python调用的数量），当前唯一的“黄色”部分是我附加到Python列表的地方。（在Python脚本中调用Cython函数时，必须输出Python对象）。这是我的函数的基本思想（其余的都是多余的，我已经测试了这个函数的每个部分，追加操作是瓶颈）：

from libc.math cimport log
def main(some args):
    cdef (some vars)

    cdef list OutputList = []

    # NB: all vars have declared types
    for x in range(t):
        (do some Cythonic stuff, some of which uses my cimport-ed log)
        if condition is True:
            OutputList.append(x) # this is the only 'yellow' line in my main loop.
    return OutputList # return Python object to Python script that calls main()

不幸的是，我不知道输出数组/列表/向量的长度（不管我最终使用什么）。但是，我可以将其设置为52560，这就是我在其他一些Python代码中将其调整为下行的原因。我想在不设置输出数组长度的情况下获得一个大的速度提升，但是如果它阻碍了我，我会很高兴地放弃这个希望。

我也尝试过用C++在Cython使用C++数据结构（向量、队列等），但是这样做能消除我的良好的导入日志的能力。我在Cython文档/ wiki上看到，你可以编写一个“SIMM”模块来使用C++ Cython中的PURE C函数，但是我不知道如何去做这个，而且我找不到任何关于如何去做的任何东西。

无论如何，我欢迎所有支持我的问题的建议：

在Cython中构建未知大小的列表/数组/向量的最佳方法是什么？或者有一个明确的替代方案（比如用一个已知长度的iterable对象来解决）来解决我的未知长度问题吗？

更新

C++容器确实显示了相对于项目分配的速度增加，并且项目赋值在附加到列表和NUMPY数组上显示出速度增加。最好的方法是使用C++容器，同时也可以导入PURE C函数…这会阻止从LBC.MaX中查看快速日志函数的速度。

Answer 1

您可以做的是计算有多少元素符合您的条件，然后为这些元素分配一个足够大的numpy数组。

# pseudo code
def main(): 
   count = 0
   for i in range(t):
       if criteria: 
            count += 1

   cdef numpy.ndarray[count] result

   int idx =0
   for i in range(t):
      if criteria:
          idx += 1
          result[idx] = value