可爱的 Python: Numerical Python

核心提示：Numerical Python (通常称为 NumPy) 是一个广为应用的 Python 扩展库，用于快速处理任意维数的固定类型数组，可爱的 Python: Numerical Python，由于底层代码是充分优化的 C 语言代码，因而对数组的主要操作在 NumPy 调用中执行时，但是对它们的操作 (比如乘) 与线性

Numerical Python (通常称为 NumPy) 是一个广为应用的 Python 扩展库，用于快速处理任意维数的固定类型数组。由于底层代码是充分优化的 C 语言代码，因而对数组的主要操作在 NumPy 调用中执行时，速度不再受到 Python 解释器的限制。因为 NumPy 已经取得了这样的成功，所以 NumPy 的开发者将用一个叫做 Numarray 的新模块来取代 NumPy，新模块基本上 (但并不是完全) 与 NumPy 兼容。在本文中，David 介绍了 NumPy 的一般功能，以及 Numarray 将要带来的一些特殊改进。

要了解 Numerical Python 软件包的第一件事情是，Numerical Python 不会让您去做标准 Python 不能完成的任何工作。它只是让您 以快得多的速度去完成标准 Python 能够完成的相同任务。实际上不仅仅如此；许多数组操作用 Numeric 或者 Numarray 来表达比起用标准 Python 数据类型和语法来表达要优雅得多。不过，惊人的速度才是吸引用户使用 Numerical Python 的主要原因。

其实，Numerical Python 只是实现了一个新的数据类型：数组。与可以包含不同类型元素的列表、元组和词典不同的是，Numarray 数组只能包含同一类型的数据。Numarray 数组的另一个优点是，它可以是多维的 -- 但是数组的维度与列表的简单嵌套稍有不同。Numerical Python 借鉴了程序员的实践经验（尤其是那些有科学计算背景的程序员，他们抽象出了 APL、FORTRAN、MATLAB 和 S 等语言中数组的最佳功能），创建了可以灵活改变形状和维度的数组。我们很快会回来继续这一话题。

在 Numerical Python 中对数组的操作是 按元素进行的。虽然二维数组与线性代数中的矩阵类似，但是对它们的操作 (比如乘) 与线性代数中的操作 (比如矩阵乘) 是完全不同的。

让我们来看一个关于上述问题的的具体例子。在纯 Python 中，您可以这样创建一个“二维列表”：