Yves还是Derivatives Analytics with Python(Wiley Finance,2015)的作者。作为获得数理金融学博士学位的商业管理专业研究生,他在萨尔州大学讲授计算金融学中的数值化方法课程。
原文摘录
· · · · · ·
NumPy提供了常规数组(至少缺乏dtype限制)的广义形式,但是我们暂时坚持使用常规数组,以观察这种专门化措施对性能的影响。
做个简单的练习,假定我们要生成一个5000 x 5000个元素组成的矩阵/数组,填入标准正态分布(伪)随机数,然后计算所有元素的总和。首先采用纯Python方法,大量使用列表推导和函数式编程方法以及lambda函数:
In [111]: import random
I = 5000
In [112]: %time mat = [[random.gauss(0,1) for j in range(l)] for i in range(l)] » a nested list comprehension
0ut[112]: CPU times: user 36.5 s, sys: 408 ms, total: 36.9 s Wall time: 36.4 s
In [113]: %time reduce(lambda x, y: x + y, reduce(lambda x, y: x + y, row for row in mat])
0ut[113]: CPU times: user 4.3 s, sys: 52ms, total: 4.35s
678.5908519876647
现在转向NumPy,看看同一个问题如何解决。为方便起见,NumPy子库random提供了多种函数,以初始化numpy.ndarray对象,同时填入(伪)随机数:
In [114]: %time mat = np.random.standard_normal((I, I))
0ut[114]: CPU times: user 1.83 s, sys: 40 ms, total: 1.87 s Wall time: 1.87 s in [115]:... (查看原文)
7 有用 Moooew 2015-06-09 13:16:52
入门用还不错,读过之后就应该知道应该google什么关键词了
2 有用 阿道克 2015-12-18 23:16:15
目前一堆R/Python for finance的书里相当靠谱的一本。
1 有用 蓝小萌 2018-01-24 17:12:25
个人觉得是O'reilly这套书中关于python的最弱的书没有之一了 然而却是我海外五本渣校Computational Finance的textbook 顺便黑一下帝国理工的博士(呵呵)
0 有用 withinbeyond 2016-10-08 15:45:40
翻了一遍,当参考书用,好多Q Quant的内容用不到。
0 有用 一隻小赤佬 2023-02-17 09:49:25 浙江
concrete & compact