NumPy 簡介

NumPy 是一個 Python 包。它代表“Numerical Python”。它是一個包含多維陣列物件和用於陣列處理的例程集合的庫。

Numeric，NumPy 的祖先，由 Jim Hugunin 開發。另一個包 Numarray 也得到了開發，它具有一些額外的功能。2005 年，Travis Oliphant 透過將 Numarray 的特性整合到 Numeric 包中建立了 NumPy 包。許多人參與了這個開源專案。

使用 NumPy 進行的操作

使用 NumPy，開發人員可以執行以下操作：

陣列上的數學和邏輯運算。
傅立葉變換和用於形狀操作的例程。
與線性代數相關的運算。NumPy 內建了線性代數和隨機數生成函式。

NumPy – MATLAB 的替代品

NumPy 通常與 SciPy（科學 Python）和 Matplotlib（繪相簿）等包結合使用。這種組合被廣泛用作 MATLAB 的替代品，MATLAB 是一個流行的技術計算平臺。然而，Python 的 MATLAB 替代方案現在被視為一種更現代、更完整的程式語言。

NumPy 的一個重要優勢在於它是開源的，任何人都可以免費使用它。

為什麼 NumPy 比列表更快？

NumPy 陣列比 Python 列表快得多，原因如下：

方面	NumPy	列表
記憶體儲存	NumPy 使用連續的記憶體塊，這提高了快取效率和訪問速度。	Python 列表包含指向物件的指標，導致更多的記憶體碎片和更慢的訪問速度。
資料型別	NumPy 支援同類資料型別（所有元素都是相同型別），從而提高了記憶體使用效率。	Python 列表可以包含異類資料型別（元素可以是不同型別），導致更高的記憶體開銷。
運算	NumPy 使用向量運算，利用 SIMD（單指令多資料）進行並行處理。	Python 列表依賴於基於迴圈的運算，由於 Python 解釋性質的開銷，這些運算速度較慢。
效率	NumPy是用C語言編寫的，並且針對性能進行了最佳化，減少了數值運算的執行時間。	Python 列表作為 Python 位元組碼執行，通常比編譯後的 C 程式碼慢。
記憶體使用	由於固定資料型別和連續儲存，NumPy 需要更少的記憶體。	Python 列表使用更多的記憶體，因為每個元素都是一個單獨的 Python 物件，並有額外的開銷。
廣播	NumPy 支援廣播，允許對不同形狀的陣列進行運算，而無需建立額外的副本。	Python 列表不支援廣播，使得逐元素運算效率較低。
效能	由於連續記憶體儲存，更好的快取利用率，從而導致更快的訪問和處理速度。	由於記憶體分配分散，快取利用率差，導致訪問速度變慢。
功能	NumPy 提供了一套豐富的數學函式和工具，這些函式和工具針對陣列運算進行了最佳化。	Python 列表僅限於基本操作，缺乏高階數學功能。

NumPy是用什麼語言編寫的？

NumPy 主要用以下語言編寫：

C：NumPy 的核心功能，包括陣列物件和基本運算的實現，是用 C 語言編寫的。這提供了 NumPy 聞名的卓越效能和效率。
Python：NumPy 的使用者介面和高階功能是用 Python 編寫的。這使得它易於使用並與其他 Python 庫整合。
Fortran：NumPy 中的一些數值例程，特別是與線性代數相關的例程（如 LAPACK 和 BLAS），是用 Fortran 編寫的。Fortran 以其在數值計算方面的效率而聞名，這增強了 NumPy 在特定型別操作中的效能。

列印頁面