Numpy ndarray 必須具有相同型別的所有元素，并且同一級別上的所有子陣列必須具有相同的長度。這些屬性也是 C 多維陣列的屬性。numpy ndarray 是否具有這些屬性純粹是因為它是在 C 陣列之上實作的？創建快速多維陣列實作真的需要這些屬性嗎？
uj5u.com熱心網友回復：
numpy ndarray 是否具有這些屬性純粹是因為它是在 C 陣列之上實作的？
不，在內部使用 C 并不是 Numpy 做出這個選擇的真正原因。實際上，Numpy 陣列只是內部的原始連續記憶體緩沖區（動態分配）。Numpy 實際上并沒有在自己的實作中使用 C 陣列。它只使用C 指標。視圖是參考緩沖區和舊一些元資訊（如步幅、形狀、型別等）的 Python 物件。Python 用戶總是在視圖上操作，因為無法直接讀取/寫入原始緩沖區。
實際上，在 C 中創建交錯陣列（即包含可變大小陣列的陣列）并不是很困難，但需要手動創建（即標準不直接支持）。對于 2D 鋸齒狀陣列，這通常通過分配 T* 項的陣列然后對 N 個子陣列執行 N 次分配來完成。不保證子陣列是連續存盤的。
關鍵是由于記憶體碎片/擴散和非連續性，鋸齒狀陣列效率不高。此外，Numpy 提供的許多功能對于鋸齒狀陣列來說（有效地）是不可能的。例如，為其他視圖創建子視圖會很棘手。必須重新定義在多軸（例如np.sum(2D_array, axis=0)）上作業的操作，以便它對鋸齒狀陣列有意義。它還會使實施更加復雜。
因此，他們選擇不實作鋸齒狀陣列，而只實作 ND 陣列。請注意，Numpy 最初是為科學家特別是物理學家創建的，他們很少需要鋸齒狀陣列但關心高性能。鋸齒狀陣列可以通過分配 2 個 Numpy 陣列來相對有效地實作：1 個連接所有行的陣列和一個包含開始/結束偏移量的基于切片的陣列。
創建快速多維陣列實作真的需要這些屬性嗎？
具有同質型別對性能至關重要。動態打字強制對每個昂貴的專案進行型別檢查。此外，動態型別通常需要額外的昂貴間接（例如，陣列只存盤指標/參考而不是物件本身）并且對物件的訪問會導致記憶體碎片/擴散。與加法/減法/乘法等基本數值運算相比，此類運算非常昂貴。此外，物件的生命周期肯定必須像 CPython 那樣仔細控制（例如垃圾收集）。事實上，CPython 的 list 串列的行為就是這樣，而且效率很低。您可以將 Numpy 物件陣列設為 Numpy 陣列，但這也是低效的。
至于矩形陣列，它取決于用例，但這至少對于矩陣乘法和矩陣向量乘積至關重要（因為BLAS對連續陣列進行操作，行間可能有跨度），以及操作不起作用在最連續的維度上（編譯器可以通過恒定的步幅進行更積極的優化）。更不用說上面指定的額外開銷（例如額外的檢查和記憶體碎片/擴散）。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/479474.html
標籤：Python C 麻木的 多维数组 numpy-ndarray