什么是 NumPy 的向量化能力?

什么是 NumPy 的向量化能力?今天番茄加速就来讲一下。

　　理解 NumPy 的向量化能力，这正是赋予它简洁的重要原因之一。使用 Python 原生 API 会经常写些 for，但是 NumPy 让它变得不再需要，NumPy 一切都是按照向量计算。如下计算小于 3 的元素置 0，否则置为 1：

　　# 使用 Python 原生

　　 a = [10,4,-6,3,5,1]

　　# 小于 3 的元素置为 0，不小于 3 的元素置为 1

　　 b = []

　　 for i in a:

　　 b.append(0 if i < 3 else 1)

　　 print(b)

　　使用 NumPy 的 where 方法，语法更加简洁，看不到 for 语句，符合 Python 哲学：

　　# 使用 NumPy

　　 na = np.array(a)

　　# 一行代码

　　 b = np.where(na < 3, 0, 1)

　　 print(b)

　　处理多维数组，NumPy 的索引和切片更强大，如下 na < 3 得到布尔索引，一切都按照向量化操作：

　　 na = np.array([10,4,-6,3,5,1])

　　 na[na < 3]

　　# 结果如下：

　　# array([-6, 1])

　　# 创建二维数组

　　 np.random.randint(1,10,size=(3,4))

　　 c2 = np.random.randint(1,10,size=(3,4))

　　 c2

　　 array([[3, 2, 9, 9],

　　[9, 5, 2, 4],

　　[8, 1, 2, 4]])

　　# 更强大简洁的切片功能：

　　 c2[:2,1:3]

　　 array([[2, 9],

　　[5, 2]])

　　学习 NumPy，不可能不与广播打交道，广播机制必须要理解。