NumPy 简介

NumPy 是一个 Python 包。它代表“Numerical Python”。它是一个包含多维数组对象和用于数组处理的例程集合的库。

Numeric，NumPy 的祖先，由 Jim Hugunin 开发。另一个包 Numarray 也得到了开发，它具有一些额外的功能。2005 年，Travis Oliphant 通过将 Numarray 的特性整合到 Numeric 包中创建了 NumPy 包。许多人参与了这个开源项目。

使用 NumPy 进行的操作

使用 NumPy，开发人员可以执行以下操作：

数组上的数学和逻辑运算。
傅里叶变换和用于形状操作的例程。
与线性代数相关的运算。NumPy 内置了线性代数和随机数生成函数。

NumPy – MATLAB 的替代品

NumPy 通常与 SciPy（科学 Python）和 Matplotlib（绘图库）等包结合使用。这种组合被广泛用作 MATLAB 的替代品，MATLAB 是一个流行的技术计算平台。然而，Python 的 MATLAB 替代方案现在被视为一种更现代、更完整的编程语言。

NumPy 的一个重要优势在于它是开源的，任何人都可以免费使用它。

为什么 NumPy 比列表更快？

NumPy 数组比 Python 列表快得多，原因如下：

方面	NumPy	列表
内存存储	NumPy 使用连续的内存块，这提高了缓存效率和访问速度。	Python 列表包含指向对象的指针，导致更多的内存碎片和更慢的访问速度。
数据类型	NumPy 支持同类数据类型（所有元素都是相同类型），从而提高了内存使用效率。	Python 列表可以包含异类数据类型（元素可以是不同类型），导致更高的内存开销。
运算	NumPy 使用向量运算，利用 SIMD（单指令多数据）进行并行处理。	Python 列表依赖于基于循环的运算，由于 Python 解释性质的开销，这些运算速度较慢。
效率	NumPy是用C语言编写的，并且针对性能进行了优化，减少了数值运算的执行时间。	Python 列表作为 Python 字节码执行，通常比编译后的 C 代码慢。
内存使用	由于固定数据类型和连续存储，NumPy 需要更少的内存。	Python 列表使用更多的内存，因为每个元素都是一个单独的 Python 对象，并有额外的开销。
广播	NumPy 支持广播，允许对不同形状的数组进行运算，而无需创建额外的副本。	Python 列表不支持广播，使得逐元素运算效率较低。
性能	由于连续内存存储，更好的缓存利用率，从而导致更快的访问和处理速度。	由于内存分配分散，缓存利用率差，导致访问速度变慢。
功能	NumPy 提供了一套丰富的数学函数和工具，这些函数和工具针对数组运算进行了优化。	Python 列表仅限于基本操作，缺乏高级数学功能。

NumPy是用什么语言编写的？

NumPy 主要用以下语言编写：

C：NumPy 的核心功能，包括数组对象和基本运算的实现，是用 C 语言编写的。这提供了 NumPy 闻名的卓越性能和效率。
Python：NumPy 的用户界面和高级功能是用 Python 编写的。这使得它易于使用并与其他 Python 库集成。
Fortran：NumPy 中的一些数值例程，特别是与线性代数相关的例程（如 LAPACK 和 BLAS），是用 Fortran 编写的。Fortran 以其在数值计算方面的效率而闻名，这增强了 NumPy 在特定类型操作中的性能。

打印页面