4、数据结构选型：List vs. Array vs. NumPy ndarray的性能对比与适用场景

做量化因子开发，说白了就是在跟数据打交道。我见过不少新手，上来就用Python原生的List一把梭，结果回测跑起来慢得像蜗牛。也有老手，不管三七二十一全转成NumPy，结果处理一些简单的增删操作反而把自己绕进去了。

今天我们就来聊聊这三种数据结构——List、Array、NumPy ndarray。我会结合我踩过的坑，帮你理清楚什么时候该用谁。

4.1 先看底层：它们到底有什么区别？

先给个直观的对比表，你一看就明白：

特性	List	array.array	NumPy ndarray
元素类型	任意类型混装	单一类型（需指定）	单一类型（自动推断）
内存布局	指针数组（碎片化）	连续内存块	连续内存块（支持strides）
运算速度	慢（Python循环）	中等（C底层但无向量化）	极快（向量化+SIMD）
适用场景	小数据、频繁增删	中等数据、需类型约束	大规模数值计算

为什么会这样？我简单解释一下。

List 里存的其实不是数据本身，而是指向数据对象的指针。每个元素都是一个独立的Python对象，有引用计数、类型信息这些额外开销。你想想看，一个float在List里占24字节，在NumPy里只占8字节。这就是差距。

array.array 是标准库里的东西，它把数据老老实实地排成一排，类型统一。但问题是，它没有向量化运算。你做个加法，还得自己写循环。

NumPy ndarray 就不一样了。它底层用C实现，支持广播、向量化，还能利用CPU的SIMD指令集。我在项目中遇到过，同样的因子计算，用List要跑3秒，换成NumPy只要0.05秒。差了60倍。

4.2 性能实测：一个简单的因子计算

我们拿一个常见的因子——动量因子来测试。假设你有100万条收盘价数据，计算过去20天的平均涨幅。

import time
import array
import numpy as np

# 模拟数据
n = 1_000_000
prices_list = [100.0 + i*0.01 for i in range(n)]
prices_array = array.array('d', prices_list)
prices_np = np.array(prices_list, dtype=np.float64)

# List版本
start = time.time()
result_list = []
for i in range(20, n):
    avg = sum(prices_list[i-20:i]) / 20
    result_list.append(avg)
print(f"List耗时: {time.time() - start:.3f}秒")

# Array版本
start = time.time()
result_array = array.array('d')
for i in range(20, n):
    avg = sum(prices_array[i-20:i]) / 20
    result_array.append(avg)
print(f"Array耗时: {time.time() - start:.3f}秒")

# NumPy版本
start = time.time()
window = np.lib.stride_tricks.sliding_window_view(prices_np, 20)
result_np = window.mean(axis=1)
print(f"NumPy耗时: {time.time() - start:.3f}秒")

跑出来的结果大概是：

• List：约 4.2 秒
• Array：约 3.8 秒
• NumPy：约 0.08 秒

嗯，这里要注意。Array虽然底层是连续内存，但求和操作还是Python级别的循环，所以快得有限。NumPy用了滑动窗口视图，加上C级别的向量化求和，速度直接起飞。

4.3 什么时候该用List？

你可能会问：那List是不是就没用了？当然不是。

我个人习惯在以下几种场景用List：

• 数据量小（几千条以内），性能差异可以忽略
• 频繁增删元素，比如实时行情流处理
• 元素类型混杂，比如既有字符串又有数字
• 快速原型开发，先跑通逻辑再优化

我记得有一次做因子探索，数据只有5000条，我用List写了个简单的均线策略。同事非要用NumPy重构，结果花了半小时改代码，性能提升不到0.1秒。你说值不值？

4.4 Array的尴尬位置

说实话，array.array在量化场景里有点尴尬。它比List快一点，但远不如NumPy。它比NumPy轻量，但功能又太少。

我曾经在一个嵌入式量化设备上用过Array——因为那台设备装不了NumPy。但如果你能装NumPy，就别折腾Array了。

唯一值得提的是，如果你需要把数据传给C扩展或者做二进制序列化，Array的buffer协议支持得比较好。但这种情况在量化里不多见。

4.5 选型决策流程图

我画了一张图，帮你快速决策：

4.6 避坑指南

还有几个坑你要注意：

• 不要用List存大量浮点数做计算——内存爆炸，速度感人
• 不要用Array做矩阵运算——它根本没有矩阵运算的概念
• 不要频繁在NumPy和List之间转换——转换本身有开销
• 注意NumPy的dtype——默认float64，如果你精度要求不高，用float32能省一半内存

4.7 总结一下

说白了，选型就三条原则：

1. 计算密集型 → NumPy ndarray
2. 小数据+灵活操作 → List
3. 特殊场景（无NumPy环境） → array.array

我个人习惯是：因子开发阶段全用NumPy，因为计算快、代码简洁。等到做数据清洗、日志记录这些非核心逻辑时，才用List。至于Array，我一年也用不了几次。

记住一句话：选对数据结构，性能优化就成功了一半。