我正在编写一些函数，这些函数沿着目录树走下去，按名称对文件进行排序，并将它们编码+更多信息放在表中。
我将此表定义为Numpy vstack数组。一开始，它向数组中添加条目的速度非常快，但当它达到大约20000个条目时，速度会减慢很多。如此之多，以至于要达到约9万排人口的目标，大约需要10分钟。
我非常怀疑vstack是罪魁祸首，因为它可能是在复制整个表+我附加到它的行。Numpy的官方文档说vstacking不过是"串联"。。。但这并不能回答我的问题。
因此，np.vstack()是在查看将要粘合在一起的数组的大小，然后对所需的内存进行mallocate并复制我们正在堆叠的数组的内容吗？
更新：对于统计数据，女士们，先生们，使用列表将执行时间提高到0.5秒。这快了20多倍，事实上甚至比这还快，因为我的度量包括一些额外的操作。
没错，np.vstack复制了完整的数组。
你可以做一个小的python体验来确认它：
a = np.array([[1,2,3]])
b = np.array([[4,5,6]])
res = np.vstack((a,b))
res
array([[1, 2, 3],
[4, 5, 6]])
然后，如果修改数组a并打印res，则可以看到res未修改
a[0,2] = 19
res
array([[1, 2, 3],
[4, 5, 6]])