Python + Q (KDB) - 哪些工具易于使用且维护良好

Question

从几年前的一个线程中，我找到了一些集成 python 和 kdb 的选项，即

• qpt
• 丹的工具
• PyQ
• qPython

最后两个似乎是目前唯一积极更新的。我的问题是问那些实际使用这些工具中的任何一个(最好尝试过几种)的人。根据您的经验，后两种哪个更适合我。选择标准将是(按此顺序)

• 易于使用(我是 q 的新手，理想情况下我会在 python 中比在 q 中做更多的工作)
• 文档(似乎在任何 kdb 上都不是很好)
• python 3.x 支持
• 速度

如果我完全错过了适合我要求的工具，请告诉我。我知道提出类似问题的线程，但我正在寻找 2017 年的答案，而不是 2015 年的答案。

Answer 1

Exxeleron 的 qPython “是一个 Python 库，为 Python 和 kdb+ 进程之间的进程间通信提供支持。”虽然相同的功能可从 PyQ 获得, PyQ 提供的不仅仅是 IPC。

PyQ 是一个在 kdb+ 实例中运行的全功能 Python 解释器。对于 Python 程序员，PyQ 提供了对 kdb+ 数据的直接访问，无需在 q 中进行任何编程。对于 q 程序员，PyQ 提供了访问 Python 著名的一组丰富的计算和可视化库的途径。

举个例子，这里有一个用q写的线性插值函数inp:

inp:{y[i]+(z-x i)*(deltas[y]%deltas x)1+i:x bin z} 

它需要三个参数:x 和 y 是已知数据点的坐标，z 是插值的 x 坐标。它返回插值的 y 坐标。可以使用纯 Python 语法在 PyQ 中编写相同的函数:

def inp(x, y, z):
    slope = y.deltas / x.deltas
    i = x.bin(z) 
    return y[i] + (z - x[i]) * slope[i+1]

如果准备q中的数据

x:0.1*til 10
y:x - x * x
z:5?1f

并调用 Python 或 q 实现，您将得到相同的结果。在 PyQ 的 Python 提示符下，可以按如下方式验证:

>>> inp(q.x, q.y, q.z) == q.inp(q.x, q.y, q.z)
True

当然，有经验的 Python 程序员不需要从头开始编写这样的函数，因为 NumPy 已经有了 numpy.interp。它的作用相同且更多。如果，作为一个 q 程序员，你想使用 q 中的 numpy.interp，你所需要的只是一个简单的包装器，在返回之前将结果转换为 K 对象。这是如何在 q) 提示符下完成的

q)p)import numpy; from pyq import q, K
q)p)def inp2(x, y, z): return K(numpy.interp(z, x, y))
q)p)q.inp2 = inp2

现在，inp2 可以使用了:

q)inp[x;y;z] ~ inp2(x;y;z)
1b

由于 PyQ 在 kdb+ 中运行，它可以免费获得其 IPC 实现。例如，我可以在端口 8888 上打开一个到远程服务器的连接，并用两行代码请求它的本地时间:

>>> h = q.hopen('::8888')
>>> h('.z.P')
k('2017.07.07D17:15:19.261285000') 

但是，大多数任务都可以在 PyQ 中完成，根本不需要任何 IPC(甚至复制)，因为您的所有 kdb+ 数据已经与您的 Python 代码处于同一进程中。

为了涵盖 OP 的规则，在易用性方面，qPython 作为纯 Python 库可能更容易安装，但 PyQ 编程通常更容易，因为它不需要单独的 kdb+ 服务器。 PyQ documentation与 qPython 的质量相当. PyQ 从其版本 3.0.1 和 Python 3.1 开始提供对 python 3.x 的支持。目前(2017 年)它正在使用 Python 2.7、3.5 和 3.6 进行积极测试。速度比较是不公平的，因为 PyQ 可以直接访问 kdb+ 数据并且不需要 IPC，因此它可以比 qPython 快 100 倍地完成许多任务。

免责声明:我是 PyQ 的作者。