NumPy 数组与常规 Python 列表答案

【问题标题】：NumPy Array vs. a regular Python listNumPy 数组与常规 Python 列表
【发布时间】：2014-07-11 01:58:37
【问题描述】：

我正在开发一个将股票数据存储在数组中的程序。该计划仍在进行中。该程序从 yahoo Finance 中提取数据，并将数据存储在一个 numpy 数组中。如果股票达到新高，则会弹出警报。

这里有一些问题：

为什么我必须使用 numpy 数组而不是常规列表来执行此功能？换句话说，numpy数组有哪些优点或特点？
您能告诉我如何了解有关 numpy.loadtxt 的更多信息吗？我试着找http://www.numpy.org

非常感谢，下面是我目前的程序...

    import urllib2
    import time
    import datetime
    import numpy as np
    import matplotlib.pyplot as plt
    import matplotlib.ticker as mticker
    import matplotlib.dates as mdates


    def pullData(stock):                    

    try:
        print 'Pulling ' + stock 
        print str(datetime.datetime.fromtimestamp(int(time.time())).strftime('%Y-%m-%d    %H:%M:%S'))

    urltovisit = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=1d/csv' 
    stockFile = []
    try:
        f = urllib2.urlopen(urltovisit)      
        sourceCode = f.read().decode('utf-8')         
        splitSource = sourceCode.split('\n')              

        for eachLine in splitSource:                
            splitLine = eachLine.split(',')         
            fixMe = splitLine[0]
            if len(splitLine) == 6:                 
                 if 'values' not in eachLine:       
                     fixed =  eachLine.replace(fixMe,str(datetime.datetime.fromtimestamp(int(fixMe)).strftime('%Y-%m-%d %H:%M:%S')))
                     stockFile.append(fixed)
    except Exception, e:
        print str(e), 'failed to organize pulled data'

    date, closep, highp, lowp, openp, volume = np.loadtxt(stockFile,delimiter=',', unpack=True, converters={ 0: mdates.strpdate2num('%Y-%m-%d %H:%M:%S')})

    if highp[-1] == max(highp):
        print stock + ' New high ' + str(max(highp)) 
    else:
        print ' no new high '
except Exception, e:
    print str(e), 'failed to pull pricing data'


  stockName = raw_input('Enter a stock: ')   
  pullData(stockName)

【问题讨论】：

1.阅读FAQ。 2.阅读docs。
Python 列表被奇怪地实现为数组而不是链表，所以我相信两者之间的性能差异应该不会产生太大的差异。如果它是一个真正的链表，我会投票给列表，因为到末尾的插入是 O(1) 并且你正在做很多插入，但因为它不是我认为数组和列表将具有可比的性能。
@Tommy，“奇怪地实现为数组”的更正式名称是dynamic arrays，我不确定它有什么“奇怪”。
感谢 MattDMo 提供的文档链接。 numpy数组能做而python列表不能做的有什么特别之处吗？
感谢您的澄清，但我想我是老派； list 对我来说尖叫“链表”，所以我发现命名欺骗/奇怪。对于插入，链表甚至比这些动态数组还要快。我不喜欢不合并这两种数据类型，因为它们的操作效率对于不同的操作是不同的。话虽如此，我相信你可以在 Python 中得到一个链表。

标签： python arrays numpy

【解决方案1】：

可以在here和here找到一些有用的信息。

numpy 数组的主要优点是在执行大多数数值运算时，它们比 Python 列表快得多。例如，将序列中的每个元素乘以单个其他常数，或将一个序列中的每个元素乘以另一个序列中的相应元素，在 numpy.此外，对于多维结构，numpy 数组支持更强大的索引，例如允许您按行和列进行切片。

由于这一基本优势，numpy 数组已成为基本上每个执行大量数字运算的 Python 项目的事实上的标准。这意味着许多其他工具都是基于 numpy 数组构建的（例如，使用 matplotlib 绘图、使用 scikit-learn 进行机器学习等）。

【讨论】：