Python中构建高效稀疏IP页表数据结构的技术选型咨询

我最近在尝试用Python构建一个稀疏数据结构，用来实现类似现代计算机架构里的页表功能——也就是在数据填充前保持稀疏状态。核心需求是高效地管理数组的数组，用来记录操作过程中遇到的IP地址。

目前我写的赋值逻辑大概是这样的：

def __setitem__(self, key, value):
    p = IpTable._parts(key)

    map = self._map
    for idx in p[0:3]:
        if type(np.ndarray) != type(map[idx]):
            map[idx] = np.zeros(256)
        map = map[idx]
    map[p[3]] = value

这里的_parts()方法会把类似192.168.0.1这样的IP转换成[192, 168, 0, 1]的列表。

一开始我考虑用NumPy甚至SciPy的稀疏数组，但试下来感觉这些工具主要是针对矩阵运算场景的——比如它们不太支持把元素值设置为后续的数组，而我刚好需要这个功能。

举个例子，我的数据结构里的一个条目逻辑上是这样的：

A[192] = B
B[168] = C
C[0] =   D
D[1] =   value

现在我有点困惑：是我没搞懂NumPy/SciPy的正确用法，还是它们本来就不适合做这件事？我本来希望这个结构能有不错的性能，不然的话我其实可以直接用字典来实现，比如：

A['192.168.0.1'] = value

不过想想字典内部用的是哈希表，说不定性能也不会太差？

备注：内容来源于stack exchange，提问作者sherrellbc