Question

在股票市场上工作时，需要计算包括28天平均值，14天平均值等计算指标。

此外，每天平均需要更新，以包括最近一天的收盘价/高/低价/成交量。

现在，数组需要循环才能找到sum，average，max和min值。

我认为一个队列（以动态数组或链表的形式或者你能想到的任何其他东西）看起来像是基于进入/退出的FIFO方法的完美数据结构。

问题：

队列的效率和可扩展性如何与哈希相比？
当运行Perl脚本时，队列将不在内存中，因此必须进行初始化和处理（从CSV文件初始化的值），我知道这是非常不相关的，但是哪种数据结构最好使用Perl脚本，该脚本按日计划执行？

Answer 1

使用PDL，您可以获取一个更大的“数组”（1D矩阵），然后对该切片进行统计，然后再取另一个切片并重复。 PDL有许多内置的统计函数，如果还不够，还有附加PDL::Stats！

对于Perl，PDL就像MatLab或NumPy（我们认为更好！）。它针对数值阵列的“循环”进行了高度优化。我把“循环”放在引号中，因为这些循环是在C级实现的（听起来很快啊？）。看一看！

Answer 2

此处信息不足。您是否处理了整天的报价以获得每日高/低/最后？

您是否按照每个工具进行平均值？

对于任何移动平均线，您只需使用构成平均值总和的值列表。随着新值的增加，一个值下降，并重新计算。

如果您通过仪器进行操作并在运行中计算，那么就是列表的散列。

Answer 3

最有效的是什么。

哈希是无序的。他们可以通过字符串键在几乎恒定的时间内查找值。查找计算量很大，并且至少比数组查找慢一个数量级。散列的执行效果取决于“桶”的数量和键的数量。但是，哈希查找比循环遍历数组更快，以便为所有非平凡情况找到元素。哈希需要比阵列更多的空间。
数组具有数组（随机访问）和双向链表（通过push，pop，shift，unshift）的特征。它们易于使用，而且速度足够快。如果要添加/删除多个元素，请使用切片或splice函数。 splice是push .. unshift的概括，并且比循环更快。
字符串可用于存储整数数组。这非常有效，但也非常有限（仅限整数）。
```
my $string = "";
my $i = ~ 0; # a really big number
$string .= chr $i; # get character from integer
# Access elements via `substr`:
my $j = ord substr $string, -1, 1; # last element; ord gets an int from a char
```
使用字符串具有数组（随机访问）和单个链表的特征（使用.=附加简单）。其他操作也相当快（substr有很多用途）。

实用程序员将使用数组来处理大多数顺序数据。他还可以利用List::Util和List::MoreUtils中提供sum，average，max和min等函数的高效函数（用C语言编写）速度）。

当您构建值列表并且只需要固定数量时，请在添加新元素时执行此操作：

push @array, $new_value;
shift @array if @array > $max_length; # keep constant length

这节省空间，但可能比简单地构建列表和执行

慢

splice @array, 0, -$max_length; # remove all but $max_length last elems

要仅访问数组的某个部分（不分配新变量），请使用切片：

use List::Util qw/sum/;
my $last_24_sum = sum @array[-24 .. $#$array];  sum the last 24 elems

如果要使用哈希，但在编译时知道所有可能的字段，则可以为字段定义常量名称，而是使用数组。所以不要做

my $hashref = { foo => $x, bar => $y }; # requires a lot of space
$hashref->{foo}; # slooow

但是

use constant {
    EL_FOO => 0, # make sure the integer range is continouus
    EL_BAR => 1, #   Perl doesn't have native enums
};
my $arrayref = [$x, $y];
$arrayref->[EL_FOO]; # faster!

代替。

使用深层嵌套数据时，有时可以通过缓存嵌套引用来获得回报，而不是在每次访问时重新计算它们：

# disputable
for my $i (...) {
  for my $j (...)
    do_something_with $x->[$i][$j][$_] for 1 .. 1e3;
  }
}
# possibly better
for my $i (...) {
  for my $j (...) {
    my $aref = $x->[$i][$j];
    do_something_with $aref->[$_] for 1 .. 1e3;
  }
}

Answer 4

如果您每天计算一次这些东西......使用最简单的数据结构进行编码！计算真的需要这么多时间吗？如果是，请继续阅读。

总和和平均值可能更容易。如果添加的是整数，则可以使用FIFO并将总和保存在变量中。无论何时插入或删除元素，都要相应地更新总和（加或减）。

如果添加浮点值，则上述方法可能会导致累积错误。如果值具有非常不同的大小和/或系列非常长，则可能发生这种情况。在这种情况下，您需要更复杂的东西（见下文）。

对于max和min，最有效的数据结构是max/min-heaps。请注意，您可以将它们嵌入到数组中。您需要将它们与FIFO队列的元素进行交叉引用，以便立即找到每次都必须删除的元素。

最通用的解决方案是增强的自平衡树。增强数据结构在＆＃34;算法简介＆＃34;的第14章中进行了解释。由Cormen，Leiserson，Rivest和Stein。基本上，树将在每个节点中包含数据序列的一个元素。每个节点还包含其子树的和，最小值和最大值。每次更新节点时，都必须更新从该节点到根节点的所有路径中的sum，max和min。在根中你有全局和，最大和最小。

您可以找到扩充自平衡树here的C ++实现。

虽然，因为你只需要固定数量元素的总和，最小值和最大值，并且你总是在一端插入而在另一端删除，你可以使它更简单。您只需要一个循环缓冲区和一个嵌入数组的树（参见how to embed such tree in an array）。树将包含部分和，最小和最大值，如前面描述的增强树。优点是您不需要重新平衡树，因为您从不在序列的中间插入/删除树，并且树总是具有相同的大小。

为了获得过去28天，过去14天，最后一周和过去3天（例如）的统计信息，您将为每个时段使用循环缓冲区和数组嵌入树：一个用于过去3天，另一个用于前4天（7减3）天，另一个用于前7天，依此类推。每天，您将获取每个缓冲区的最后一个数据并将其插入下一个缓冲区。

Answer 5

我只使用一个简单的%hash，其中键是时间戳的字符串化或数字化表示，值是您的数据与该时间序列项相关联的值。您可以对哈希的键进行排序，例如

#numeric
@srtdKeys = sort{$a<=>$b}(keys(%hash));

或

#string
@srtdKeys = sort(keys(%hash));

并遍历最后的28或14等，然后从散列中检索值。

Answer 6

如果您在每次运行时从头开始重建数据，也许您应该查看Statistics::Descriptive。

很遗憾你是以CSV形式获得的。通过访问数据库服务器，您可以通过几个SQL查询获取此信息。

计算移动平均线的最有效数据结构是什么？

6 个答案: