我看到有人试图使用python和numpy进行模拟。但是，它安静得很慢。我读了他的代码后发现，他在处理数组/矩阵计算时只使用了numpy包，其他所有变量和代码都在python主控制台中定义（即for循环）。
我的问题是：
是否需要将所有变量都写为numpy变量（例如np.float）才能获得numpy软件包的全部功能？
另外，据我了解，python的for循环非常安静。但是我不想为了简单和易读而使用cython。 numpy是否可以使用一些特殊的迭代过程来加快计算速度？我看到了一个看起来像它但不太了解的页面（https://docs.scipy.org/doc/numpy/reference/arrays.nditer.html）。基本上，如何利用numpy软件包的全部功能？
答案 0 :(得分：1)
由于您未提供程序的详细信息，因此我假设您想知道numpy.ndarray是否比使用常规python循环更快。
是的，它要快得多。
这称为向量化。之所以更快，是因为：
也就是说，这还取决于您要如何处理。如果要执行数学/矩阵运算，则矢量化还可以提供更好的可读性（因为它看起来仅与方程式相似），并且可以提高运算能力，因为运算主要是数字运算。如果这些运算不是数值运算，那么您得到的提升会更少，因此可以使用python方式实现。