python/numpy/pandas最快的扩展计算算法

假设我有从2000年1月1日到2011年1月1日的时间序列，对于每个日期，我都有一些浮点值。这是在一个数据框中

我想进行一些计算，也就是说。假设N是数据点的数量，i是当前数据点。psuedo代码：

for i in n:
        some_calc(V0:Vi) + some_calc(Vi:Vn)

我可以很容易地实现这个计算，但看到性能问题，我认为对于大型集合。我认为部分原因是因为数据容器是一个数据帧，切片创建了新的序列，在某些计算中，会发生更多的切片

---

什么是一种有效的方法来做类似的事情？使用numpy可以避免循环吗？

您可以使用以下代码来提高代码性能：

result = []
for item in item_list:
    new_item = do_something_with(item)
    result.append(new_item)

见下例：

# finding the max prior to the current item
a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]
results = []
current_max = 0
for i in a:
    current_max = max(i, current_max)
    results.append(current_max)
# results = [3, 4, 6, 6, 6, 9, 9, 9, 9, 9]

---

您可以尝试将所有数据放入dataframe，并使用dataframe.apply进行行转换。这将避免for循环。有些计算可以矢量化，有些则不能。这个问题不能笼统地回答。不过，在numpy和pandas中，切片并不会创建一个全新的数组，只会在原始数据上创建一个新视图。