The Python Quants是一个专注于Python与开源软件在量化金融中应用的团队，而Yves Hilpisch是The Python Quants的创始人与股东。Yves也是CQF项目的计算金融学讲师。他的客户遍及 金融界，本身也积累了10年Python经验。Yves同时是Python and Open Source for EquantFinance这个会议在法兰克福、伦敦和纽约的组织者
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)
霁然
人民邮电出版社2020版
豆瓣酱
人民邮电出版社2015版
飞翔的蘑菇🍄
人民邮电出版社2015版
嘿嘿哈嘿
人民邮电出版社2020版
涅瓦纳
O'Reilly Media2014版
还没人写过短评呢
还没人写过短评呢