Numpy 中文使用者指南 1 安裝

譯者：飛龍

原文：what is numpy?

numpy是python中用於科學計算的基礎包。它是乙個python庫，提供多維陣列物件，各種派生的物件（如掩碼陣列和矩陣），以及陣列快速操作的各種各樣的例程，包括數學、邏輯、圖形操作，排序、選擇、i/o、離散傅利葉變換、基本線性代數、基本統計操作，隨機模擬以及其他。

numpy包的核心是ndarray物件。它封裝了均勻資料型別的n維陣列，帶有一些在編譯過的**中執行的操作。numpy陣列和python標準列表有一些重要的差異：

序列大小和速度在科學計算中尤為重要。例如考慮兩個長度相同的列表中每個元素相乘的情況。如果資料被儲存在兩個python列表 a 和 b 中，我們可以這樣遍歷每個元素：

c = 
for i in range(len(a)):

這就產生了正確的答案，但如果 a 和 b 都含有數以百萬計的數字，我們將為python的低效迴圈付出代價。我們可以這樣以c語言編寫**來完成同樣的任務（為清楚起見我們忽略變數宣告和初始化、記憶體分配等）：

for (i = 0; i < rows; i++):

這節省了所有涉及解釋python**和操作python物件的開銷，但沒有了使用python編碼的優勢。此外，編碼所需的工作量隨資料維數的增加而增加。例如對於乙個二維陣列，c**（像上面一樣簡寫）會擴充套件為：

for (i = 0; i < rows; i++): 
}

numpy綜合了兩種情況的優點：元素級別的操作是ndarray的「預設模式」，而它又通過執行預編譯的c**來加速。在numpy中：

c = a * b

的行為像之前的例子一樣，幾近於c語言的速度，但是**正如我們期望中的那樣，就像標準的python一樣簡潔。實際上，numpy的風格還能更簡潔！最後這個例子說明了numpy的兩個特性：向量化（vectorization）和廣播（broadcasting），它們是numpy強大之處的基礎。

向量化用於描述任何缺失的顯式迴圈、索引及其它，在**這些事情是即時發生的，當然，是在「幕後」（預編譯的c**中）優化。向量化編碼的優點很多，比如：

廣播是描述隱式的元素級操作的術語；一般來說，numpy中所有操作，並不只是算術運算，還有邏輯運算，位運算，函式運算等，以這種隱式的元素層面的方式執行，就是廣播。此外，在上面的例子中，a 和 b 可以是相同形狀的多維陣列，或者乙個標量和乙個陣列；甚至可以是不同的形狀的2個陣列，假設較小的陣列可以以產生明確廣播的方式，擴充套件為較大陣列的尺寸。詳細規則見 numpy.doc.broadcasting。

numpy完全支援ndarray的物件導向。例如，ndarray是乙個類，擁有許多方法和屬性。它的許多方法複製了numpy最外層命名空間的函式，讓程式設計師完全自由決定**寫成哪個正規化，以及哪個正規化更適合當前的任務。

原文：installing numpy

大多數情況下，在系統上安裝numpy的最好辦法是使用為你的作業系統預編譯的包。

一些可選的連線請見。

有關原始碼包構建的說明，請見從原始碼中構建。這些資訊主要用於高階使用者。

Numpy 中文使用者指南 1 安裝

Numpy 中文使用者指南 3 2 建立陣列

Ansible入門中文指南學習（1）

Dos使用者學Unix指南 1

Numpy 中文使用者指南 1 安裝

Numpy 中文使用者指南 3 2 建立陣列

Ansible入門 中文指南學習（1）

Dos使用者學Unix指南 1

相關推薦

Ansible入門中文指南學習（1）