Python中高效存储可更新类对象网格的最优容器选型咨询

问题背景 #

我有一个Python玩具项目，需要模拟对象在网格中的移动，核心约束如下：

• 对象是自定义的任意类实例
• 对象可在网格内改变位置
• 支持动态添加/移除对象
• 可更新对象属性
• 必须能遍历所有对象
• 对象本身占用内存可能较大（相对于设备性能）
• 所有对象需要能感知网格的已占用空间（即对象可访问网格状态）

请问在Python中，存储这类对象的最高效数据类型/容器是什么？

现有思路分析 #

• 元素类型为object的Numpy Array：看似能通过位置直接引用对象，但Numpy并非为存储Python对象设计，内存效率不高，且API使用不够直观，比如对象移动时的位置更新操作繁琐。
• 对象列表 + 位置同步Numpy Array：遍历对象很方便，但无法通过网格位置快速定位到对应对象，查询效率低，需要额外遍历列表匹配位置。
• 对象字典（位置为键） + 位置同步Numpy Array：可以通过位置键直接获取对象，但对象移动时需要删除旧键、添加新键，同步逻辑繁琐，且Numpy Array和字典的位置容易出现不一致。

推荐方案：双容器组合（列表 + 字典） #

用两个容器各司其职，避免冗余存储（因为对象内存大，不能存多份）：

1. 列表：存储所有对象实例，用于快速遍历所有对象，满足遍历需求。
2. 字典：键为网格位置（比如元组(x, y)），值为对应位置的对象实例，用于通过位置快速查找对象。

同时，在自定义对象类中添加位置属性，并维护一个网格状态的共享引用（比如类级别的变量或者单独的网格管理类）：

class GridObject:
    # 共享的网格状态，记录已占用位置，所有对象均可访问
    occupied_positions = set()

    def __init__(self, x, y):
        self.x = x
        self.y = y
        GridObject.occupied_positions.add((x, y))

    def move(self, new_x, new_y, position_map):
        # 清理旧位置的关联数据
        GridObject.occupied_positions.remove((self.x, self.y))
        del position_map[(self.x, self.y)]
        # 更新自身位置
        self.x, self.y = new_x, new_y
        # 建立新位置的关联数据
        GridObject.occupied_positions.add((new_x, new_y))
        position_map[(new_x, new_y)] = self

使用时的容器初始化和操作示例：

# 初始化核心容器
all_objects = []
position_to_obj = {}

# 添加新对象
obj1 = GridObject(0, 0)
all_objects.append(obj1)
position_to_obj[(0, 0)] = obj1

# 移动对象
obj1.move(1, 1, position_to_obj)

# 遍历所有对象
for obj in all_objects:
    print(f"Object at ({obj.x}, {obj.y})")

# 通过位置快速查找对象
target_obj = position_to_obj.get((1, 1))

方案优势 #

• 内存高效：仅存储一份对象实例，列表和字典都是引用，不会增加额外内存负担。
• 操作高效：遍历用列表O(n)，位置查找用字典O(1)，添加/移除对象时只需同步更新两个容器和共享的占用集合。
• 逻辑清晰：对象自身封装移动逻辑，网格状态通过共享集合统一维护，所有对象都能直接访问GridObject.occupied_positions感知已占用空间。
• 状态一致：移动操作中统一处理位置更新、字典映射和占用集合的同步，减少状态不一致的风险。

为什么不选Numpy？ #

Numpy的object数组本质是存储Python对象的引用，但它的优势是数值计算，对于对象的动态添加/移除、位置映射这些操作，远不如原生列表+字典灵活高效，且会产生额外的元数据内存开销。

内容的提问来源于stack exchange，提问作者Josh