NumPy 的范围

在此，我们描述了 N 维数组计算中属于 NumPy 开发范围的方面。这**并非**NumPy 应该努力实现的目标定义，而是捕捉了现状——我们决定至少在目前继续支持的领域。

• CPU 上的内存中、N 维、同质类型（单指针 + 跨步）数组

  • 支持广泛的数据类型

  • 不支持 GPU 等专用硬件

  • 但支持广泛的 CPU（例如 ARM、PowerX）

• N 维数组的高级 API

  • NumPy 是 Python 中数组 API 的*事实*标准

  • 索引和元素快速迭代 (ufunc)

  • 与其他数据容器实现（如 __array_ufunc__ 和 __array_function__）的互操作协议。

• ndarray 方法和属性的 Python API 和 C API。

• 其他N 维数组的专用类型或用途

  • 遮罩数组

  • 结构化数组（非正式地称为记录数组）

  • 内存映射数组

• 历史上，NumPy 包含了以下**支持科学计算的基本功能**。我们打算继续支持（但不扩展）目前包含的内容

  • 线性代数

  • 快速傅里叶变换和窗函数

  • 伪随机数生成器

  • 多项式拟合

• NumPy 为**科学 Python 生态系统中的其他包提供了一些基础设施**

  • numpy.distutils (对 C++、Fortran、BLAS/LAPACK 以及其他科学计算相关库的构建支持)

  • f2py (生成 Fortran 代码绑定)

  • 测试工具

• 速度：我们认真对待性能问题，并旨在以与原生 C 代码相似的性能执行大型数组操作。也就是说，当出现冲突时，维护和可移植性优先于性能。我们旨在尽可能地防止回归（例如，通过 asv）。