The voyage of discovery is not in seeking new landscapes but in having new eyes. — Marcel Proust Discovery is seeing what everyone else has seen and thinking what no one else has thought. — Albert Szent-Gyorgi 迭代数组中的元素 # 基本迭代 一种常见的算法要求是能够遍历多维数组中的所有元素。数组迭代器对象使这…
I have the Power! — He-Man 创建一个新的ufunc 在阅读本文之前，通过阅读/略读扩展和嵌入Python解释器的 第1部分中的教程以及如何扩展NumPy，可以帮助您熟悉Python的C扩展基础知识。 umath模块是一个计算机生成的C模块，可以创建许多ufunc。它提供了许多如何创建通用函数的示例。使用ufunc机制创建自己的ufunc也不困难。假设您有一个函数，您想要在其输入上逐个元素地操作。通过创建一个新的ufunc，您将获得一个处理的函数 广播 N维循环 自动类型转换，内存使用量最少…
There is no conversation more boring than the one where everybody agrees. — Michel de Montaigne Duct tape is like the force. It has a light side, and a dark side, and it holds the universe together. — Carl Zwanzig 很多人都喜欢说Python是一种很棒的粘合语言。希望本章能说服你这是真的。Python的第一…
That which is static and repetitive is boring. That which is dynamic and random is confusing. In between lies art. — John A. Locke Science is a differential equation. Religion is a boundary condition. — Alan Turing 编写扩展模块 虽然ndarray对象旨在允许在Python中进行快速计算，但它也被设计为通…
如何扩展NumPy 编写扩展模块 必需的子程序 定义函数 没有关键字参数的函数 带关键字参数的函数 引用计数 处理数组对象 转换任意序列对象 创建一个全新的ndarray 获取ndarray内存并访问ndarray的元素 示例 使用Python作为胶水 从Python调用其他编译库 手工生成的包装器 f2py 创建基本扩展模块的源 创建编译的扩展模块 改善基本界面 在Fortran源中插入指令 过滤示例 从Python调用f2py 自动扩展模块生成 结论 用Cython Cython中的复杂添加 Cython中的图…
此处给出了从源代码构建NumPy的一般概述，以及单独给出的特定平台的详细说明。 先决条件 构建NumPy需要安装以下软件： 基本安装 要安装NumPy运行： pip install . 要执行可以从源文件夹运行的就地构建： python setup.py build_ext --inplace NumPy构建系统使用setuptools（从numpy 1.11.0开始，之前很简单distutils）和numpy.distutils。使用virtualenv应该按预期工作。 注意：有关在NumPy上进行开发工作的构建…
介绍 MATLAB®和NumPy / SciPy有很多共同之处。但是有很多不同之处。创建NumPy和SciPy是为了用Python最自然的方式进行数值和科学计算，而不是MATLAB®克隆。本页面旨在收集有关差异的智慧，主要是为了帮助熟练的MATLAB®用户成为熟练的NumPy和SciPy用户。 一些关键的差异 MATLAB NumPy 在MATLAB®中，基本数据类型是双精度浮点数的多维数组。大多数表达式采用这样的数组并返回这样的数 对这些数组的2-D实例的操作被设计成或多或少地像线性代数中的矩阵运算。 在NumP…
IEEE 754 浮点特殊值 在 NumPy 中定义的特殊值可以通过：nan，inf， NaNs 可以用作简陋的占位类型（如果你并不在乎初始的值是什么的话） 注意：不能使用相等来测试 NaN。例如： >>> myarr = np.array([1., 0., np.nan, 3.]) >>> np.nonzero(myarr == np.nan) (array([], dtype=int64),) >>> np.nan == np.nan # is always…
介绍 子类化ndarray相对简单，但与其他Python对象相比，它有一些复杂性。在这个页面上，我们解释了允许你子类化ndarray的机制，以及实现子类的含义。 # ndarrays和对象创建 ndarray的子类化很复杂，因为ndarray类的新实例可以以三种不同的方式出现。这些是： 显式构造函数调用 - 如 MySubClass(params)。这是Python实例创建的常用途径。 查看转换 - 将现有的ndarray转换为给定的子类 模板中的新内容 - 从模板实例创建新实例。示例包括从子类化数组返回切片，…
NumPy 的分派机制(在numpy版本v1.16中引入)是编写与numpy API兼容并提供numpy功能的自定义实现的自定义N维数组容器的推荐方法。 应用包括 dask 数组(分布在多个节点上的N维数组) 和 cupy 数组(GPU上的N维数组)。 为了获得编写自定义数组容器的感觉，我们将从一个简单的示例开始，该示例具有相当狭窄的实用程序，但说明了所涉及的概念。 >>> import numpy as np >>> class DiagonalArray: ... def i…
