Python 金融编程第二版（GPT 重译）（一）（4）https://developer.aliyun.com/article/1559389
零基编号
与其他一些编程语言（如Matlab）相比，Python使用零基编号方案。例如，tuple对象的第一个元素的索引值为 0。
这种对象类型提供的特殊方法仅有两个：count和index。第一个方法统计某个对象的出现次数，第二个方法给出其第一次出现的索引值：
In [100]: t.count('data') Out[100]: 1 In [101]: t.index(1) Out[101]: 0
tuple对象是不可变对象。这意味着一旦定义，它们就不容易更改。
列表
类型为list的对象比tuple对象更加灵活和强大。从财务角度来看，你可以仅使用list对象就能实现很多，比如存储股价报价和添加新数据。list对象通过括号定义，其基本功能和行为与tuple对象相似：
In [102]: l = [1, 2.5, 'data'] l[2] Out[102]: 'data'
也可以通过使用函数list来定义或转换list对象。以下代码通过转换前面示例中的tuple对象生成一个新的list对象：
In [103]: l = list(t) l Out[103]: [1, 2.5, 'data'] In [104]: type(l) Out[104]: list
除了tuple对象的特性外，list对象还可以通过不同的方法进行扩展和缩减。换句话说，虽然string和tuple对象是不可变序列对象（具有索引），一旦创建就无法更改，但list对象是可变的，并且可以通过不同的操作进行更改。你可以将list对象附加到现有的list对象上，等等：
In [105]: l.append([4, 3])  l Out[105]: [1, 2.5, 'data', [4, 3]] In [106]: l.extend([1.0, 1.5, 2.0])  l Out[106]: [1, 2.5, 'data', [4, 3], 1.0, 1.5, 2.0] In [107]: l.insert(1, 'insert')  l Out[107]: [1, 'insert', 2.5, 'data', [4, 3], 1.0, 1.5, 2.0] In [108]: l.remove('data')  l Out[108]: [1, 'insert', 2.5, [4, 3], 1.0, 1.5, 2.0] In [109]: p = l.pop(3)  print(l, p) [1, 'insert', 2.5, 1.0, 1.5, 2.0] [4, 3]
在末尾附加list对象。
添加list对象的元素。
在索引位置之前插入对象。
删除对象的第一次出现。
删除并返回索引位置的对象。
切片也很容易实现。在这里，切片指的是将数据集分解为较小部分（感兴趣的部分）的操作：
In [110]: l[2:5]  Out[110]: [2.5, 1.0, 1.5]
第三到第五个元素。
Table 3-2 提供了list对象的选定操作和方法的摘要。
表 3-2. list对象的选定操作和方法
| 方法 | 参数 | 返回/结果 |
l[i] = x |
[i] |
将第i个元素替换为x |
l[i:j:k] = s |
[i:j:k] |
用s替换从i到j-1的每个第k个元素 |
append |
(x) |
将x附加到对象 |
count |
(x) |
对象x的出现次数 |
del l[i:j:k] |
[i:j:k] |
删除索引值为i到j-1的元素 |
extend |
(s) |
将s的所有元素附加到对象 |
index |
(x[, i[, j]]) |
元素i和j-1之间x的第一个索引 |
insert |
(i, x) |
在索引i之前/后插入x |
remove |
(i) |
删除索引为i的元素 |
pop |
(i) |
删除索引为i的元素并返回它 |
reverse |
() |
将所有项目原地颠倒 |
sort |
([cmp[, key[, reverse]]]) |
原地对所有项目排序 |
专题：控制结构
虽然控制结构本身是一个专题，像for循环这样的控制结构可能最好是基于Python中的list对象介绍的。这是因为一般情况下循环是在list对象上进行的，这与其他语言中通常的标准相当不同。看下面的例子。for循环遍历list对象l的元素，索引值为 2 到 4，并打印出相应元素的平方。注意第二行缩进（空格）的重要性：
In [111]: for element in l[2:5]: print(element ** 2) 6.25 1.0 2.25
这相比于典型的基于计数器的循环提供了非常高的灵活性。基于（标准的）list对象range也可以使用计数器进行循环：
In [112]: r = range(0, 8, 1)  r Out[112]: range(0, 8) In [113]: type(r) Out[113]: range
参数是start、end、step size。
为了比较，相同的循环使用range实现如下：
In [114]: for i in range(2, 5): print(l[i] ** 2) 6.25 1.0 2.25
遍历列表
在Python中，你可以遍历任意的list对象，不管对象的内容是什么。这通常避免了引入计数器。
Python还提供了典型的（条件）控制元素if、elif和else。它们在其他语言中的使用方式类似：
In [115]: for i in range(1, 10): if i % 2 == 0:  print("%d is even" % i) elif i % 3 == 0: print("%d is multiple of 3" % i) else: print("%d is odd" % i) 1 is odd 2 is even 3 is multiple of 3 4 is even 5 is odd 6 is even 7 is odd 8 is even 9 is multiple of 3
%代表取模。
同样，while提供了另一种控制流的手段：
In [116]: total = 0 while total < 100: total += 1 print(total) 100
Python的一个特点是所谓的list 推导式。与遍历现有list对象不同，这种方法以一种相当紧凑的方式通过循环生成list对象：
In [117]: m = [i ** 2 for i in range(5)] m Out[117]: [0, 1, 4, 9, 16]
从某种意义上说，这已经提供了一种生成“类似”的向量化代码的第一手段，因为循环相对来说更加隐式而不是显式的（代码的向量化将在本章后面更详细地讨论）。
专题：功能编程
Python还提供了一些功能编程支持工具，即将函数应用于整套输入（在我们的情况下是list对象）。其中包括filter、map和reduce。然而，我们首先需要一个函数定义。首先从一个非常简单的函数开始，考虑一个返回输入x的平方的函数f：
In [118]: def f(x): return x ** 2 f(2) Out[118]: 4
当然，函数可以是任意复杂的，具有多个输入/参数对象，甚至多个输出（返回对象）。但是，考虑以下函数：
In [119]: def even(x): return x % 2 == 0 even(3) Out[119]: False
返回对象是一个布尔值。这样的函数可以通过使用 map 应用于整个 list 对象：
In [120]: list(map(even, range(10))) Out[120]: [True, False, True, False, True, False, True, False, True, False]
为此，我们还可以直接将函数定义作为 map 的参数提供，通过使用 lambda 或匿名函数：
In [121]: list(map(lambda x: x ** 2, range(10))) Out[121]: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
函数也可以用于过滤 list 对象。在下面的示例中，过滤器返回符合由 even 函数定义的布尔条件的 list 对象元素：
In [122]: list(filter(even, range(15))) Out[122]: [0, 2, 4, 6, 8, 10, 12, 14]
列表推导、函数式编程、匿名函数
在 Python 级别尽可能避免使用循环被认为是良好的实践。list 推导和函数式编程工具如 map、filter 和 reduce 提供了编写没有（显式）循环的代码的方法，这种代码既紧凑又通常更可读。在这种情况下，lambda 或匿名函数也是强大的工具。
字典
dict 对象是字典，也是可变序列，允许通过可以是 string 对象的键来检索数据。它们被称为键值存储。虽然 list 对象是有序且可排序的，但 dict 对象是无序且不可排序的。通过示例可以更好地说明与 list 对象的进一步差异。花括号是定义 dict 对象的标志：
In [123]: d = { 'Name' : 'Angela Merkel', 'Country' : 'Germany', 'Profession' : 'Chancelor', 'Age' : 63 } type(d) Out[123]: dict In [124]: print(d['Name'], d['Age']) Angela Merkel 63
同样，这类对象具有许多内置方法：
In [125]: d.keys() Out[125]: dict_keys(['Name', 'Country', 'Profession', 'Age']) In [126]: d.values() Out[126]: dict_values(['Angela Merkel', 'Germany', 'Chancelor', 63]) In [127]: d.items() Out[127]: dict_items([('Name', 'Angela Merkel'), ('Country', 'Germany'), ('Profession', 'Chancelor'), ('Age', 63)]) In [128]: birthday = True if birthday is True: d['Age'] += 1 print(d['Age']) 64
有几种方法可以从 dict 对象获取 iterator 对象。当进行迭代时，这些对象的行为类似于 list 对象：
In [129]: for item in d.items(): print(item) ('Name', 'Angela Merkel') ('Country', 'Germany') ('Profession', 'Chancelor') ('Age', 64) In [130]: for value in d.values(): print(type(value)) <class 'str'> <class 'str'> <class 'str'> <class 'int'>
表 3-3 提供了 dict 对象的选定操作和方法的摘要。
表 3-3. dict 对象的选定操作和方法
| 方法 | 参数 | 返回/结果 |
d[k] |
[k] |
d 中具有键 k 的项目 |
d[k] = x |
[k] |
将项目键 k 设置为 x |
del d[k] |
[k] |
删除具有键 k 的项目 |
clear |
() |
删除所有项目 |
copy |
() |
复制一个副本 |
has_key |
(k) |
如果 k 是键，则为 True |
items |
() |
迭代器遍历所有项目 |
keys |
() |
迭代器遍历所有键 |
values |
() |
迭代器遍历所有值 |
popitem |
(k) |
返回并删除具有键 k 的项目 |
update |
([e]) |
用 e 中的项目更新项目 |
集合
我们将考虑的最后一个数据结构是 set 对象。尽管集合论是数学和金融理论的基石，但对于 set 对象的实际应用并不太多。这些对象是其他对象的无序集合，每个元素只包含一次：
In [131]: s = set(['u', 'd', 'ud', 'du', 'd', 'du']) s Out[131]: {'d', 'du', 'u', 'ud'} In [132]: t = set(['d', 'dd', 'uu', 'u'])
使用 set 对象，您可以像在数学集合论中一样实现操作。例如，您可以生成并集、交集和差异：
In [133]: s.union(t)  Out[133]: {'d', 'dd', 'du', 'u', 'ud', 'uu'} In [134]: s.intersection(t)  Out[134]: {'d', 'u'} In [135]: s.difference(t)  Out[135]: {'du', 'ud'} In [136]: t.difference(s)  Out[136]: {'dd', 'uu'} In [137]: s.symmetric_difference(t)  Out[137]: {'dd', 'du', 'ud', 'uu'}
s 和 t 的全部。
在 s 和 t 中都有。
在 s 中但不在 t 中。
在 t 中但不在 s 中。
在其中一个但不是两者都。
set对象的一个应用是从list对象中消除重复项。例如：
In [138]: from random import randint l = [randint(0, 10) for i in range(1000)]  len(l)  Out[138]: 1000 In [139]: l[:20] Out[139]: [10, 9, 2, 4, 5, 1, 7, 4, 6, 10, 9, 5, 4, 6, 10, 3, 4, 7, 0, 5] In [140]: s = set(l) s Out[140]: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
1,000 个 0 到 10 之间的随机整数。
l 中的元素数量。
结论
基本的Python解释器已经提供了丰富灵活的数据结构。从金融的角度来看，以下可以被认为是最重要的：
基本数据类型
在金融中，int、float和string类提供了原子数据类型。
标准数据结构
tuple、list、dict和set类在金融领域有许多应用领域，其中list通常是最灵活的通用工作马。
进一步资源
本章重点讨论可能对金融算法和应用特别重要的问题。但是，它只能代表探索Python中数据结构和数据建模的起点。有许多宝贵的资源可供进一步深入了解。
书籍形式的良好参考资料包括：
- Goodrich, Michael 等（2013）：Python 数据结构与算法. John Wiley & Sons, Hoboken, NJ.
- Harrison, Matt (2017): Python 3 图解指南. Treading on Python Series.
- Ramalho, Luciano (2016): 流畅的 Python. O’Reilly, Beijing et al.
¹ Cython库将静态类型和编译功能引入Python，与C中的相似。实际上，Cython是Python和C的混合语言。
² 在这里和后续讨论中，诸如float、float 对象等术语可互换使用，承认每个float也是一个对象。对于其他对象类型也是如此。
³ 参考http://en.wikipedia.org/wiki/Double-precision_floating-point_format。
⁴ 在这里不可能详细介绍，但互联网上有大量关于正则表达式的信息，特别是针对Python。关于这个主题的介绍，请参阅 Fitzgerald, Michael (2012): 正则表达式入门. O’Reilly, Sebastopol, CA.
石，但对于 set 对象的实际应用并不太多。这些对象是其他对象的无序集合，每个元素只包含一次：
In [131]: s = set(['u', 'd', 'ud', 'du', 'd', 'du']) s Out[131]: {'d', 'du', 'u', 'ud'} In [132]: t = set(['d', 'dd', 'uu', 'u'])
使用 set 对象，您可以像在数学集合论中一样实现操作。例如，您可以生成并集、交集和差异：
In [133]: s.union(t)  Out[133]: {'d', 'dd', 'du', 'u', 'ud', 'uu'} In [134]: s.intersection(t)  Out[134]: {'d', 'u'} In [135]: s.difference(t)  Out[135]: {'du', 'ud'} In [136]: t.difference(s)  Out[136]: {'dd', 'uu'} In [137]: s.symmetric_difference(t)  Out[137]: {'dd', 'du', 'ud', 'uu'}
[外链图片转存中…(img-jRWfaNE1-1717935840758)]
s 和 t 的全部。
[外链图片转存中…(img-PwcZYTDE-1717935840758)]
在 s 和 t 中都有。
[外链图片转存中…(img-SoZkO8vS-1717935840758)]
在 s 中但不在 t 中。
[外链图片转存中…(img-3xnwT7OQ-1717935840759)]
在 t 中但不在 s 中。
[外链图片转存中…(img-rNDbfeFX-1717935840759)]
在其中一个但不是两者都。
set对象的一个应用是从list对象中消除重复项。例如：
In [138]: from random import randint l = [randint(0, 10) for i in range(1000)]  len(l)  Out[138]: 1000 In [139]: l[:20] Out[139]: [10, 9, 2, 4, 5, 1, 7, 4, 6, 10, 9, 5, 4, 6, 10, 3, 4, 7, 0, 5] In [140]: s = set(l) s Out[140]: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
[外链图片转存中…(img-kYDec8em-1717935840759)]
1,000 个 0 到 10 之间的随机整数。
[外链图片转存中…(img-WiF4IKCk-1717935840759)]
l 中的元素数量。
结论
基本的Python解释器已经提供了丰富灵活的数据结构。从金融的角度来看，以下可以被认为是最重要的：
基本数据类型
在金融中，int、float和string类提供了原子数据类型。
标准数据结构
tuple、list、dict和set类在金融领域有许多应用领域，其中list通常是最灵活的通用工作马。
进一步资源
本章重点讨论可能对金融算法和应用特别重要的问题。但是，它只能代表探索Python中数据结构和数据建模的起点。有许多宝贵的资源可供进一步深入了解。
书籍形式的良好参考资料包括：
- Goodrich, Michael 等（2013）：Python 数据结构与算法. John Wiley & Sons, Hoboken, NJ.
- Harrison, Matt (2017): Python 3 图解指南. Treading on Python Series.
- Ramalho, Luciano (2016): 流畅的 Python. O’Reilly, Beijing et al.
¹ Cython库将静态类型和编译功能引入Python，与C中的相似。实际上，Cython是Python和C的混合语言。
² 在这里和后续讨论中，诸如float、float 对象等术语可互换使用，承认每个float也是一个对象。对于其他对象类型也是如此。
³ 参考http://en.wikipedia.org/wiki/Double-precision_floating-point_format。
⁴ 在这里不可能详细介绍，但互联网上有大量关于正则表达式的信息，特别是针对Python。关于这个主题的介绍，请参阅 Fitzgerald, Michael (2012): 正则表达式入门. O’Reilly, Sebastopol, CA.
