熟練使用 numpy 和 pandas 裡面自帶的 functions 會比自己寫 for loop 快很多倍，比如金融裡面求最大回撤，常規做法是一個 for loop。如果用 pandas.rolling_max，結果如下：對於一個一億個點的時間序列 ts， 用常規演算法在 Python 裡面要算 1min39s，而把 ts 先變成 pandas.Series 再用 rolling_max 只需要不到 3s. 裡面的具體演算法不是很清楚，希望 CS 專業人士來回答。還有很多其他的例子，樓上也提到了用 map, reduce, filter + lambda functional programming 的淫招，或者配合 pandas 的 groupby 使用。還有對於金融中的因子數值計算，強烈安利 numexpr (@gygigi khgjkbj 提到的）。下次有空寫個 numexpr library 在因子計算中的應用。

def transpose(matrix):

M = len(matrix)

N = len(matrix[0])

t = []

for i in range(0, N):

r = []

for j in range(0, M):

r.append(matrix[j][i])

t.append(r)

return t