NumPy优于常规Python列表有什么优势？
我有大约100个金融市场系列,我打算创建一个100x100x100 = 100万个单元的立方体阵列.我将使用每个y和z对每个x进行回归(3变量),以使用标准错误填充数组.
我听说过,对于"大型矩阵",出于性能和可伸缩性的原因,我应该使用NumPy而不是Python列表.事实是,我知道Python列表,它们似乎对我有用.
如果我搬到NumPy,会有什么好处？
如果我有1000个系列(即立方体中有10亿个浮点单元)怎么办？
有这样的列表：
[1,1,1,2,2,3,3,3]
我想获得每一个唯一的数字的总和[1,2,3]是[3, 4, 9]。使用相关帖子中的方法如何从 Python 中的列表中获取具有相应出现次数的唯一值？我能够使用以下方法获得每个唯一编号的出现次数：
L = [1,1,1,2,2,3,3,3]
uniq, counts = np.unique(L, return_counts=True)
counts
这给出了输出[3, 2, 3]。有了这个，我就可以使用带有枚举For Loop和一些相当神秘的条件的繁琐方法来获得我正在寻找的东西：
L = [1,1,1,2,2,3,3,3]
elements = [3,2,3]
sums = []
index = 0
for i, e in enumerate(elements):
if i == 0:
sums.append(sum(L[0:e]))
index = index + e
else:
sums.append(sum(L[index:index + e]))
index = index + e
print(sums)
这给出了所需的输出[3, 4, 9]。有谁知道是否可以更优雅地做同样的事情？
假设我在Python中有一个2D列表:
mylist = [["A", "X"],["A", "X"],["A", "Y"],["B", "X"],["B", "X"],["A", "Y"]]
在这种情况下,我的"键"将是每个数组的第一个元素("A"或"B"),而我的"值"将是第二个元素("X"或"Y").在我合并结束时,输出应该合并密钥并计算每个密钥的唯一出现值,例如:
# Output
# {"A":{"X":2, "Y":2}, "B":{"X":2, "Y":1}}
我试图使用Python的itertools.groupby,但无济于事.类似这个问题的东西.如果你有更好的方法,请告诉我.
谢谢!