我需要做出一个战略决策，选择在我的程序中保存统计数据框架的数据结构的基础。
我在一张大桌子上存储了数十万条记录。每个字段都是不同的类型，包括短字符串。我会对需要快速实时完成的数据进行多元回归分析和操作。我还需要使用相对受欢迎且得到很好支持的东西。
我了解以下参赛者：
array.array 这是最基本的事情。不幸的是它不支持字符串。而且我还需要使用numpy作为统计部分，所以这个是不可能的。
numpy.ndarray ndarray能够在每列中保存不同类型的数组（例如np.dtype([('name', np.str_, 16), ('grades', np.float64, (2,))])）。这似乎是一个天生的赢家，但是......
pandas.DataFrame 这个是在考虑统计用途的情况下构建的，但它是否足够有效？
我读到pandas.DataFrame是no longer based on the numpy.ndarray（尽管它共享相同的界面）。任何人都可以对此有所了解吗？或者可能有更好的数据结构？
答案 0 :(得分：17)
pandas.DataFrame非常棒，与很多numpy交互得非常好。大部分DataFrame都是用Cython编写的，并且经过了相当优化。我怀疑Pandas API的易用性和丰富性将大大超过你在numpy周围滚动自己的界面所能获得的任何潜在好处。