与常规 Python 列表相比， NumPy有哪些优势？
我有大约 100 个金融市场系列，我将创建一个 100x100x100 = 100 万个单元格的立方体数组。我将对每个 x 与每个 y 和 z 进行回归（3 变量），以用标准误差填充数组。
我听说对于“大型矩阵”，出于性能和可扩展性的原因，我应该使用 NumPy 而不是 Python 列表。问题是，我知道 Python 列表，它们似乎对我有用。
如果我迁移到 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？
NumPy 的数组比 Python 列表更紧凑——您描述的列表列表在 Python 中至少需要 20 MB 左右，而单元格中具有单精度浮点数的 NumPy 3D 数组将适合 4 MB。使用 NumPy 读取和写入项目的访问也更快。
也许你对一百万个单元不太在意，但你肯定会关心十亿个单元——这两种方法都不适合 32 位架构，但是对于 64 位构建，NumPy 会得到 4 GB 左右, 单独的 Python 至少需要大约 12 GB（大量指针大小翻倍）——这是一个更昂贵的硬件！
差异主要是由于“间接性” - Python列表是指向Python对象的指针数组，每个指针至少4个字节加上即使是最小的Python对象也有16个字节（4个用于类型指针，4个用于引用计数，4个对于值——内存分配器向上取整到 16）。NumPy 数组是一个统一值的数组——单精度数字每个占用 4 个字节，双精度数字占用 8 个字节。不太灵活，但您为标准 Python 列表的灵活性付出了巨大的代价！
