请大家关注并设置星标, 从而能够每天学习到新的技能, 这段内容的来源是网络。在某个平台上, numpy 已经获得了 32,130 个。 numpy 是科学计算领域的基础设施。你几乎找不到一个做数据处理、机器学习、物理模拟、金融建模的开发者是不依赖 numpy 的。- learn , 以及 scipy , 等等, 这些库的底层都在操作 numpy 的数组结构。 1、 numpy 是什么numpy 是 科学计算的基础包2006 年从 和 两个老项目的合并中诞生。核心只有一个东西N 维数组对象 。可以理解为 C 数组的 接口数据在内存里连续存放运算走编译后的 C 循环同时保留了 的简洁语法。一维数组指的是向量, 二维数组指的是矩阵, 而三维及其以上的数组则被称为张量。numpy 这个工具库围绕这些概念, 提供了一整套计算设施, 其中包含了广播机制、线性代数模块、傅里叶变换以及随机数生成等功能。第二点是关于为什么在使用原生列表进行矩阵运算时无法避免某些问题, 因为它的性能存在严重的缺陷, 这是一个让人头疼硬伤。一个矩阵乘法的事情, 如果用纯去写那个两层的for循环的话, 那运行起来大概得要耗费半分钟的光景, 而numpy库里面的np.dot函数, 它的底层其实是调用了BLAS这个计算库的, 所以结果出来也就是毫秒级别的那么快。这两者之间的差距, 那可是达到了整整三个数量级之多。然后就是那个广播机制, 它能够让不同形状的数组自己去自动扩展, 并且还能对齐着去做运算, 这就把那些大量需要手动去写循环的过程给省掉了。至于像线性代数、特征值分解、还有SVD这些东西, 它们都已经是内置好的那种数学工具了, 调用它们的时候, 基本上只需要写上仅仅的一行代码就搞定。另一个能力是常常被人忽略的, 这个能力与C或Cpp以及集成接口有关。很多科研团队的手里, 持有已经编写了十几年的数值计算模块。通过numpy里的C Api, 这些模块可以直接嵌入到流程里。这意味着工作人员不需要重新进行编写工作。第三个方面涉及社区治理。名为numpy的学术级开源项目, 是由一个基金会所支持的。在2020年, 有一篇论文在互联网上发表了出来。开源工具发, 这种做法在软件领域是相当少见的。这个项目累计的星星数量达到了32k, 下载量是以亿来计算的。维护团队在社区的治理方面下了很大的功夫。所有的讨论和决策都是在公开的邮件列表上进行的, 每两周会有一次社区例会, 还设有专门的社区协调人来处理新贡献者的引导工作。行为准则有明确的执行流程。参与的方式是不局限于写代码的。审查PR、回复issue、写教程、翻译文档、设计品牌素材、做基金申请, 这些各种各样的贡献形式, 在项目的文档里头, 都已经列得清清楚楚了。对于那些想要去了解一下大规模开源项目到底是怎样运作下去的人来说, NumPy这一套治理方面的模式本身来说, 那不就是一份非常好的参考资料。还有第四点, 到底适合什么样的人来用, 就是那些专门去做数据处理工作的开发人员的话, 如果还没有真正地把官方文档里面的那个内容给跑起来的话, 非常值得花上一个下午的时间去仔细地过一遍。快速上手的途径是这样的, 先把 np.array()、np.zeros()、np.ones()、np.() 这几个用来创建函数的知识学扎实, 接着再去学习切片和布尔索引的操作方法, 然后再去搞定广播规则的具体用法, 到了把这个广播规则完全理解透彻的时候, 这一条路径就走完了, 这样一来, 在大部分数据处理的应用场景里面, 这些技能就已经足够使用了的, 并且另外 numpy 这个软件提供的贡献指南文件还有那个社区治理相关的文档材料, 也是值得大家去认真阅读一下的。有一个项目, 其Star数量达到了32K之多。这个项目被好几亿人间接使用过来着。像怎么去做出决策、进行分工协作以及妥善处理冲突矛盾这些关键事项, 相关的记录内容全部都公开发布在了邮件列表还有文档里面给大家参考看。你要么长按那个二维码, 要么用手机扫一下它, 就可以免费拿到公开课的资料, 还有大佬们打包好的几百G学习资源, 里面包含电子书、教程、项目接单机会、源码等等内容, 不限于这些, 请点击扫描二维码来免费领取, 然后阅读推荐的这篇文章是有关前端如何走进机器学习生态的, 以及在使用Node.js时应该选哪一种编程语言的问题, 另外还有关于异步编程实战的内容, 它会教你用某种方法让你的程序速度快上十倍通过搞定异步编程, 让那些IO任务能够飞快地执行和运行。如果您想要了解更多的话呢, 请点击相关的原文进行阅读以知晓详情。
