NumPy教程

Numpy教程

NumPy是一個Python庫，用於與Python編程語言一起工作。它是一個開源軟件，有許多人對它的開發和工作做出了貢獻。它支持大型多維數組和矩陣。它還支持大量高級數學函數集合，以便在數組上應用函數。Numeric以前被用來代替NumPy。它是由Jim Hugunin和其他開發人員在2005年設計和開發的。NumPy是Travis Oliphant的發明。他將Numarray的競爭特性與其他一些廣泛的改變結合到numeric中。NumFOCUS資助了NumPy項目。

NumPy主要關注Python的CPython參考實現。它是非優化字節碼解釋器。為CPython編程的數學算法的運行和執行速度比其他編譯的等效程序要慢。NumPy部分地解決了執行速度慢的限製問題。它提供了多維數組、函數和操作符，可以有效地對數組進行操作。這些操作需要使用NumPy更改一些代碼，例如內部循環。

NumPy為Python提供了與MATLAB相同的功能，因為這兩個庫都是解釋的，並且這兩個庫都允許開發人員編寫更快的編譯程序。隻要編碼的大多數操作函數都是在數組或矩陣上，而不是標量上，這就成立了。與NumPy相比，MATLAB擁有大量額外的工具箱，如Simulink。另一方麵，NumPy本質上集成了Python編程。它是一種現代的、最常用的完整的編程語言。NumPy還包括免費的Python包，如SciPy和MAtplotlib庫。SciPy增加了額外的類似於matlab的功能，而Matplotlib作為一個繪圖包來提供類似於matlab的繪圖功能。NumPy和MATLAB都依賴於內部的BLAS和LAPACK來高效地計算線性代數。

計算機視覺是一個廣泛使用的Python綁定庫，OpenCV使用NumPy數組來存儲和處理數據。多通道圖像以簡單的三維數組表示，用不同數組進行索引、切片或屏蔽是訪問圖像特定像素的有效方法。NumPy數組被認為是OpenCV中圖像、提取特征點、過濾器內核等的通用數據結構，極大地簡化了編程和解碼的工作流程。

ndarray數據結構“ndarray”是NumPy用於n維數組數據結構的核心功能。這些數組在內存上有跨界視圖。與Python內置的列表數據結構相反，這些數組是同構類型的，這意味著單個數組中的所有元素必須是同一類型。數組類型可以在C/ c++、Cython和Fortan擴展分配給CPython解釋器的內存緩衝區中查看，而不需要總是複製數據，這使它與現有的數值庫具有一定程度的兼容性。SciPy包利用了這個功能，包裝了許多類似的庫，特別是BLAS和LAPACK。內存映射ndarray有NumPy的內置支持。

限製:

在數組中添加或插入條目是不可能的，因為這是Python的列表。np。Pad()例程用於擴展數組並實際創建具有所需形狀和填充值的新數組，將現有數組複製到新數組中並返回它。np。NumPy的concatenate([a1, a2])操作實際上不會鏈接兩個數組，而是返回一個較新的數組，該數組按順序填充了來自兩個給定數組的實體。np。重塑()重新塑造給定數組的維度。隻有當數組中元素的總數保持不變時，這才有可能。這些情況是由於NumPy的數組應該是連續內存緩衝區上的視圖。Blaze是試圖克服這一限製的替換包。

不能表示為向量化操作的算法執行得很慢，因為它們應該在純Python中實現。數組的向量化可能會增加從常量到線性的一些操作的內存複雜度，因為應該創建具有輸入大小的臨時數組。有幾個小組實現了數值代碼的運行時編譯，以避免這類問題。Numba, numexpr和scipy。weave是與NumPy結合的開源解決方案。Cython和Pythian是這些開源解決方案的備選靜態編譯器。

許多最近和流行的大規模科學計算應用的需求超過了NumPy數組的能力，例如，NumPy數組通常加載到計算機的內存中可能沒有足夠的能力來分析大數據集。此外，NumPy操作在單個CPU上執行。然而，許多線性代數運算是通過在cpu集群或專用硬件(如gpu和tpu)上執行這些操作來加速的。這些主要用於許多深度學習應用程序。

因此，最近幾年在科學Python生態係統中開發了許多替代數組實現。其中包括Dask(用於分布式陣列)和TensorFlow或JAX(用於gpu上的計算)。它們通常實現NumPy API的一個子集，或者因為NumPy的流行而模仿它，而且開發人員可以在對所需代碼進行最小更改的情況下更改數組實現。CUPy是最近推出的庫，由Nvidia的CUDA框架加速，顯示出更快計算陣列的潛力。它被認為是NumPy的臨時替代品。

beplay2018官网Great Learning讓您有機會免費在線學習Python流行的數學運算庫，NumPy認證教程。本NumPy教程將帶您了解各種主題，如包、支持、操作、替代解決方案等等。你將對整個庫有一個深刻的理解，你可以將它們應用到深度學習和其他類似的計算領域。今天注冊Great beplay2018官网Learning Academy，免費觀看NumPy認證教程。快樂的學習。