Question

我正在开发一个将库存数据存储在数组中的程序。该计划仍在进行中。该程序从雅虎财务中提取数据，数据存储在一个numpy数组中。如果库存达到新的高位，则会弹出警报。

以下是一些问题：

为什么我必须使用numpy数组来执行此函数而不是常规列表？换句话说，numpy数组的优点或特征是什么？
您能告诉我如何了解有关numpy.loadtxt的更多信息吗？我试着寻找http://www.numpy.org

非常感谢，以下是我到目前为止的计划......

    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)

Answer 1

可以找到一些有用的信息here和here。

numpy数组的主要优点是它们在执行大多数数值运算时比Python列表快得多。例如，将序列中的每个元素乘以一个其他常量，或者将一个序列中的每个元素乘以另一个序列中的对应元素，在numpy中要快得多。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数组已经成为基本上每个执行大量数字运算的Python项目的事实标准。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）。

NumPy数组与常规Python列表

1 个答案: