原文标题：Why you should forget ‘for-loop’ for data science code and embrace vectorization

作者：Tirthajyoti Sarkar

翻译：杨金鸿

校对：丁楠雅

本文长度为1986字，建议阅读5分钟

数据科学需要快速计算和数据转换的能力。Python中的NumPy对象提供了优于常规编程结构算法，比如for循环。如何用简单的代码来演示它呢?

在11月27日至12月3日的KDnugget网站上，这篇文章被转载最多()。

我们使用for循环来完成大部分工作，这些工作需要对一长串的元素进行更新。我敢断言，几乎所有人阅读这篇文章的读者，在他们高中或大学里都里有肯定有使用过for循环语句编写自己的第一个矩阵或矢量乘法代码。for循环为编程社区提供了长期稳定的服务。

然而，for循环在处理大型数据集时执行速度通常较慢（例如：在大数据时代处理几百万条记录）。对于像Python这样的解释性语言来说尤其如此。如果您的循环体很简单，那么循环解释器会占用大量的开销。

幸运的是，大部分主流的编程语言都有另外一种编程语言可以取代它。Python也是如此。

Numpy是Numerical Python（）的简称，同时也是Python生态系统中高性能科学计算和数据分析所需要的基本包。它几乎是所有高级语言工具的基础，如Pandas和 scikit-learn都是在Numpy的基础上编译的。TensorFlow使用NumPy阵列作为底层编译块。在这之上构建了Tensor对象和用于深度学习的graphflow（使用了大量的线性代数运算在一个长的列表/矢量/矩阵）。

Numpy提供的两个最重要的特性是：

Ndarray：一个快速空间高效的多维数组，提供了矢量化计算操作和复杂的广播能力（）

标准的数学函数，可以在不写循环的情况下，对整个数据数组进行快速操作。

在数据科学、机器学习和Python社区中，您经常会遇到这样的断言：Numpy是更速度的。因为它是基于矢量的实现，而且它的许多核心例程都是用C语言编写（基于CPython 框架：）。

这篇文章是一个CPython 框架的很好阐述（）Numpy可以与各个方面协同工作。甚至可以使用Numpy api编写裸机骨C例程。Numpy阵列是均匀类型的密集阵列。相反，Python列表是指向对象的指针数组，即使它们是相同的对象类型。你可以从区域性关联（）得到收获。

许多Numpy操作是用C语言实现的，避免了Python中循环的开销、指针指向每个元素的动态类型检查（）。Numpy速度的提升取决于你所执行的操作。对于数据科学和现代机器学习来说，这是一个非常宝贵的优势，因为通常数据集的大小会达到数百万甚至数十亿。并且您不希望使用For循环和它的相关的算法进行更新。

如何用一个中等大小的数据集来验证它呢?

这里是Jupyter Github代码链接（）。其中在一些简单的代码行中，Numpy的操作速度与常规Python编程的速度不同，比如for循环、map-function（）或list-comprehension（）。

这里我简单的概括下基本流程：

创建一个中等数量集的浮点数列表，最好是从连续的统计分布中抽取出来，比如高斯分布或均匀随机分布。为了演示我选择了100万条数据

在列表中创建一个ndarray对象，也就是矢量化

编写简短的代码块来更新列表，并在列表上使用数学运算，比如以10为底的对数。使用for循环、map-function和list-comprehension。并使用time()函数来核实处理100万条数据需要花费多长时间

t1=time.time()

for item in l1:

l2.append(lg10(item))

t2 = time.time()

print("With for loop and appending it took {} seconds".format(t2-t1))

speed.append(t2-t1)

用Numpy的内置数学方法(np.log10)在ndarray对象上做同样的操作。计算出花费了多长时间

t1=time.time()

a2=np.log10(a1)

t2 = time.time()

print("With direct Numpy log10 method it took {} seconds".format(t2-t1))

speed.append(t2-t1)

在一个列表中存储执行时间，并绘制出一个差异的柱状图

下面是结果显示。你可以运行Jupyter笔记本上的所有代码单元块来重复整个过程。每次它会生成一组新的随机数，因此精准的执行时间可能会有所不同。但总体来说，趋势始终是相同的。您可以尝试使用各种其他的数学函数/字符串操作或者集合，来检查是否适用于一般情况。

这里有一个由法国神经科学研究员编写的完整开源在线书籍（）。

简单数学运算比较速度的柱状图

如果你有任何问题或想法要分享，请与作者联系（tirthajyoti@gmail.com）。您也可以在Python、R或MATLAB和机器学习资源中查看作者的GitHub库（），获得其他有趣的代码片段。你也可以在LinkedIn（）上关注我。

原文链接：

杨金鸿，北京护航科技有限公司员工，在业余时间喜欢翻译一些技术文档。喜欢阅读有关数据挖掘、数据库之类的书，学习java语言编程等，希望能在数据派平台上熟识更多爱好相同的伙伴，今后能在数据科学的道路上走的更远，飞的更远。

更多精彩请关注清华-青岛数据科学研究院官方微信公众平台“数据派THU”