Question

从几年前的一个帖子中我发现了一些集成python和kdb的选项，即

QPT
Dan的工具
PYQ
qPython

最后两个似乎是目前唯一积极更新的人。我的问题是实际使用这些工具的任何（并且理想地尝试了几种）工具的人。根据您的经验，后两者中的哪一个更适合我。选择标准是（按此顺序）

易用性（我是q的新手，理想情况下我会在python中做比q更多的工作）
文档（在任何kdb上似乎都不是很好）
python 3.x支持
速度

如果我完全错过了符合我要求的工具，请告诉我。我知道提出类似问题的主题，但我正在寻找2017年的答案，而不是2015年。

Answer 1

Exxeleron的qPython“是一个Python库，支持Python和kdb +进程之间的进程间通信。”虽然PyQ提供了相同的功能，但PyQ提供的不仅仅是IPC。

PyQ是一个在kdb +实例中运行的全功能Python解释器。对于Python程序员，PyQ提供了对kdb +数据的直接访问，而无需在q中编程。对于q程序员，PyQ可以轻松访问Python着名的丰富的计算和可视化库。

举一个例子，这里是用q：

写的线性插值函数inp

inp:{y[i]+(z-x i)*(deltas[y]%deltas x)1+i:x bin z}

它需要三个参数：x和y是已知数据点的坐标，z是插值的x坐标。它返回插值的y坐标。可以使用纯Python语法在PyQ中编写相同的函数：

def inp(x, y, z):
    slope = y.deltas / x.deltas
    i = x.bin(z) 
    return y[i] + (z - x[i]) * slope[i+1]

如果您在q

中准备数据

x:0.1*til 10
y:x - x * x
z:5?1f

并调用Python或q实现，您将得到相同的结果。在PyQ的Python提示符下，可以验证如下：

>>> inp(q.x, q.y, q.z) == q.inp(q.x, q.y, q.z)
True

当然，有经验的Python程序员不需要从头开始编写这样的函数，因为NumPy已经有numpy.interp，它可以做同样的事情。如果作为q程序员，你想从q使用numpy.interp，你只需要一个简单的包装器，在返回之前将结果转换为K对象。这是在q)提示

处完成的方式

q)p)import numpy; from pyq import q, K
q)p)def inp2(x, y, z): return K(numpy.interp(z, x, y))
q)p)q.inp2 = inp2

现在，inp2已准备就绪：

q)inp[x;y;z] ~ inp2(x;y;z)
1b

由于PyQ在kdb +内运行，因此它免费获得IPC实现。例如，我可以在端口8888打开与远程服务器的连接，并通过两行代码询问其本地时间：

>>> h = q.hopen('::8888')
>>> h('.z.P')
k('2017.07.07D17:15:19.261285000')

但是，大多数任务都可以在PyQ中完成而不需要任何IPC（甚至是复制），因为所有的kdb +数据都已经与Python代码处于同一个进程中。

为了涵盖OP的规则，关于易用性，qPython是一个纯Python库可能更容易安装，但PyQ编程通常更容易，因为它不需要单独的kdb +服务器。 PyQ documentation的质量与qPython的质量相当。 PyQ从版本3.0.1和Python 3.1开始提供python 3.x支持。目前（2017年），它正在使用Python 2.7,3.5和3.6进行主动测试。速度比较不公平，因为PyQ可以直接访问kdb +数据并且不需要IPC，因此它可以比qPython快100倍地完成许多任务。

免责声明：我是PyQ的作者。

Answer 2

此kdb/python指南已于2017年更新：

对于其他需要Python库的人，我强烈推荐 exxeleron qpython库（虽然它确实需要numpy，哪个要求2.6至少，我认为，这可能是一种限制）

Answer 3

我已经相当广泛地使用了exxeleron qpython库，并且发现它是Python的一个很好的包＆lt; - ＆gt; kdb + IPC。最后我记得，在发送到kdb +时，它存在序列化多字节字符（至少在Python 2.7中）的问题，因此我将字符串/符号转换为字节码并在{}}或{{ kdb +方。

这不是世界上最快的东西 - 它的de /序列化感觉不太快（至少在2.7中 - 我还没有在Python 3中测试过） - 但它是kdb + IPC的友好界面来自Python。它具有很好的子/ pub模型钩子（在连接对象上使用.receive），并且对于kdb +相关的东西（甚至还有一些很好的客户端示例用于pub / sub处理！）。

我没有使用pyQ进行测试，理论上它应该更好地用于计算繁重的工作，因为它在kdb +而不是在Python中尽可能多地工作，但是有时你可以将大部分工作卸载到kdb +进程并希望例如分析结果或使用Python特定的包（例如，对于NLP / ML等），qpython工作得很好。

Python + Q（KDB） - 哪些工具易于使用且维护良好

3 个答案: