n 维向量的环形缓冲区

Question

我正在开发一个实时应用程序。为此，我需要每秒存储大约 20 个数组。每个数组由 n 个点组成，它们具有各自的 x 和 y 坐标（z 将来也可能跟随）。

我想出的是某种环形缓冲区，它采用总数组的长度（顺便说一句，它是视频的帧）和点的数量及其坐标（这不会在一次执行，但对于后续执行是可变的）。

我的缓冲区初始化为一个用零填充的 numpy 数组：np.zeros((lengthOfSlices,numberOfTrackedPoints))

但是这似乎是有问题的，因为我一次将整个 Points for a Slice 写入数组，而不是一个接一个。这意味着我无法广播数组，因为形状不正确。

有没有一种 numPythonic 方法可以用零初始化数组并随后以向量方式存储？

您可以在下面找到我现在拥有的：

class Buffer():
  def __init__(self, lengthOfSlices, numberOfTrackedPoints):
    self.data = np.zeros((lengthOfSlices,numberOfTrackedPoints))
    self.index = 0

  def extend(self, x):
    'adds array x to ring buffer'
    x_index = (self.index + np.arange(x.size)) % self.data.size
    self.data[x_index] = x
    self.index = x_index[-1] + 1

  def get(self):
    'returns the first-in-first-out data in the ring buffer'
    idx = (self.index + np.arange(self.data.size)) % self.data.size
    return self.data[idx]

Answer 1

您需要根据框架的长度重新调整数组的形状。

简单示例：

>>> import numpy as np
>>> A = np.zeros(100)
>>> B = np.reshape(A, (10,10))
>>> B[0]
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

所以这可能类似于self.data = np.reshape(self.data, (lengthOfAFrame, 20))

编辑： 显然重塑不是您的（唯一？）问题，您可以查看collections.deque 以了解循环缓冲区的python 实现（source and example）