python程序调优：替换pandas包的Series与DataFrame构造与计算

在实际部署的时候，使用dataframe的计算效率明显低于numpy，因此在程序中大量运行时避免使用pandas.Series与pandas.DataFrame及频繁的构造，避免、替换的方法如下：

1. 使用numpy.ndarry替换pandas.Series，在需要使用series的地方都用ndarry数组计算

2. 使用滑动计算时，使用numpy的如下方法替换：

   np.roll(array, 1)  # 向后搓一位（此时最后面的到最前面）
   np.roll(array, -1)  # 向前搓一位（此时第一位到最末尾，第二位到第一位）
   

   示例：计算增长率

   array = np.array([2.3, 3.2, 2.8, 3.0, 4])
   growth_rate = (array - np.roll(array, 1)) / np.roll(array, 1) * 100
   growth_rate[0] = 0
   print(growth_rate)
   

3. 使用DataFrame的apply时，替换成for循环的ndarry计算，手动加一个多线程要远比使用pandas快

4. 使用到DataFrame的多个维度的数据时，使用python dict替代，就是把字典key当成Dataframe的列名称，value当成列的值