与常规Python列表相比，NumPy有什么优势？
我有大约100个金融市场系列，我将创建一个100x100x100 = 1百万个单元的多维数据集数组。我将每个x与y和z回归（3变量），以用标准误差填充数组。
我听说对于“大型矩阵”，出于性能和可伸缩性的原因，我应该使用NumPy而不是Python列表。事实是，我知道Python列表，它们似乎对我有用。
如果我转到NumPy，会有什么好处？
如果我有1000个序列（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-您在Python中描述的列表列表至少需要20 MB左右，而单元格中具有单精度浮点数的NumPy 3D数组则需要4 MB。使用NumPy可以更快地读取和写入项目。
也许您只关心一百万个单元就不会那么在意，但是您肯定会关心十亿个单元-两种方法都不适合32位体系结构，但是使用64位版本，NumPy可以节省约4 GB ，仅Python一个就需要至少约12 GB（很多指针的大小加倍），这是一个昂贵得多的硬件！
差异主要是由于“间接性”造成的-Python列表是指向Python对象的指针的数组，每个指针至少4个字节，对于最小的Python对象也至少包含16个字节（类型指针为4，引用计数为4，类型为4值-内存分配器向上舍入为16）。NumPy数组是统一值的数组-单精度数字每个占用4个字节，双精度数字每个占用8个字节。灵活性较差，但您要为标准Python列表的灵活性付出高昂的代价！
