NumPy 範疇

在此，我們描述 N 維陣列計算中屬於 NumPy 開發範疇的各個方面。這並不是 NumPy 應追求的理想定義，而是捕捉現狀—我們已決定繼續支援的領域，至少目前是這樣。

• CPU 上記憶體內、N 維、同質型別（單一指標 + 跨步）陣列

  • 支援廣泛的資料型別

  • 非專用硬體，例如 GPU

  • 但是，支援廣泛的 CPU (例如 ARM、PowerX)

• N 維陣列的更高階 API

  • NumPy 是 Python 中陣列 API 的事實標準

  • 元素的索引和快速迭代 (ufunc)

  • 與其他資料容器實作的互通性協定 (例如 __array_ufunc__ 和 __array_function__。

• ndarray 的方法和屬性的 Python API 和 C API。

• 其他 N 維陣列的特殊型別或用途

  • 遮罩陣列

  • 結構化陣列 (非正式地稱為記錄陣列)

  • 記憶體映射陣列

• 從歷史上看，NumPy 包含了以下支援科學計算的基本功能。我們打算繼續支援（但不擴展）目前包含的功能

  • 線性代數

  • 快速傅立葉轉換和視窗化

  • 偽隨機數產生器

  • 多項式擬合

• NumPy 為科學 Python 生態系統中的其他套件提供了一些基礎架構

  • numpy.distutils (為 C++、Fortran、BLAS/LAPACK 和其他科學計算相關程式庫提供建置支援)

  • f2py (為 Fortran 程式碼產生綁定)

  • 測試工具

• 速度：我們認真看待效能問題，並致力於以與原生 C 程式碼相似的效能執行大型陣列上的運算。也就是說，在發生衝突時，維護和可移植性優先於效能。我們的目標是盡可能防止效能衰退（例如，透過 asv）。