numexpr 2.7.0

什么是Numexpr？

numexpr是一个用于numpy的快速数值表达式求值器。有了它， 在数组上操作的表达式（如'3*a+4*b'）会加速 使用的内存比在python中执行相同的计算要少。

此外，它的多线程功能可以利用 核心——这通常会导致与 去努比。

最后但并非最不重要的是，numexpr可以利用intel的vml（vector math 库，通常集成在其数学内核库（或mkl）中。 这允许超越表达式的进一步加速。

Numexpr如何实现高性能

numexpr获得比numpy更好的性能的主要原因是 避免为中间结果分配内存。这个 提高缓存利用率，减少内存访问 将军。因此，numexpr在处理大型数组时效果最好。

numexpr将表达式解析为自己的操作码，然后由 集成计算虚拟机。数组操作数被拆分 分成小块，很容易放在CPU的缓存中，并通过 到虚拟机。然后，虚拟机应用 对每个块的操作。值得注意的是 表达式中的常量也被分块。块分布在 CPU的可用内核，产生高度并行化的代码 执行。

结果是，numexpr可以充分利用您的机器计算 数组计算能力。关于 to numpy通常在0.95x之间（对于非常简单的表达式，如 'a + 1'）和4x（对于像'a*b-4.1*a > 2.5*b'这样相对复杂的函数），尽管对于某些函数可以实现更高的速度 以及复杂的数学运算（在某些情况下可达15倍）。

numexpr对太大而无法放入l1 cpu缓存的矩阵执行得最好。 为了更好地了解可以实现的不同提速 在您的平台上，运行提供的基准。

用法

>>> import numpy as np
>>> import numexpr as ne

>>> a = np.arange(1e6)   # Choose large arrays for better speedups
>>> b = np.arange(1e6)

>>> ne.evaluate("a + 1")   # a simple expression
array([  1.00000000e+00,   2.00000000e+00,   3.00000000e+00, ...,
         9.99998000e+05,   9.99999000e+05,   1.00000000e+06])

>>> ne.evaluate('a*b-4.1*a > 2.5*b')   # a more complex one
array([False, False, False, ...,  True,  True,  True], dtype=bool)

>>> ne.evaluate("sin(a) + arcsinh(a/b)")   # you can also use functions
array([        NaN,  1.72284457,  1.79067101, ...,  1.09567006,
        0.17523598, -0.09597844])

>>> s = np.array(['abba', 'abbb', 'abbcdef'])
>>> ne.evaluate("'abba' == s")   # string arrays are supported too
array([ True, False, False], dtype=bool)

文档

请参阅numexpr.readthedocs.io上的官方文档。 其中包括用户指南、基准测试结果和参考api。

作者

请看AUTHORS.txt。

许可证

numexpr是在MIT许可下分发的。