我在面向对象和基于矢量的设计之间徘徊。我喜欢物体赋予整个建筑的能力、结构和安全性。但与此同时,速度对我来说非常重要,在数组中包含简单的浮点变量确实有助于基于向量的语言/库,如 Matlab 或 Python 中的 numpy。
这是我写的一段代码来说明我的观点
问题:添加两个波动率数字。如果 x 和 y 是两个波动率数字,则波动率之和为 (x^2 + y^2)^0.5(假设某些数学条件,但这在这里并不重要)。
我想非常快地执行这个操作,同时我需要确保人们不会以错误的方式(x+y)添加波动率。这两个都很重要。
基于 OO 的设计将是这样的:
from datetime import datetime
from pandas import *
class Volatility:
def __init__(self,value):
self.value = value
def __str__(self):
return "Volatility: "+ str(self.value)
def __add__(self,other):
return Volatility(pow(self.value*self.value + other.value*other.value, 0.5))
(旁白:对于那些刚接触 Python 的人,add只是一个覆盖 '+' 运算符的函数)
假设我添加了两个波动率值列表
n = 1000000
vs1 = Series(map(lambda x: Volatility(2*x-1.0), range(0,n)))
vs2 = Series(map(lambda x: Volatility(2*x+1.0), range(0,n)))
(旁白:同样,Python 中的 Series 是一种带有索引的列表)现在我想添加这两个:
t1 = datetime.now()
vs3 = vs1 + vs2
t2 = datetime.now()
print t2-t1
只是加法在我的机器上运行了 3.8 秒,我给出的结果根本不包括对象初始化时间,它只是已经计时的加法代码。如果我使用 numpy 数组运行相同的东西:
nv1 = Series(map(lambda x: 2.0*x-1.0, range(0,n)))
nv2 = Series(map(lambda x: 2.0*x+1.0, range(0,n)))
t3 = datetime.now()
nv3 = numpy.sqrt((nv1*nv1+nv2*nv2))
t4 = datetime.now()
print t4-t3
它在 0.03 秒内运行。这比它快 100 倍!
正如你所看到的,OOP 方法给了我很多安全性,人们不会以错误的方式添加 Volatility,但是向量方法实在是太快了!有没有一种我可以同时获得的设计?我相信你们中的很多人都遇到过类似的设计选择,你是如何解决的?
这里的语言选择无关紧要。我知道你们中的很多人会建议使用 C++ 或 Java,而且代码可能比基于向量的语言运行得更快。但这不是重点。我需要使用 Python,因为我有许多其他语言没有的库。那是我的约束。我需要在其中进行优化。
而且我知道,很多人会建议并行化、gpgpu 等。但我想首先最大化单核性能,然后我可以并行化两个版本的代码。
提前致谢!