NumCpp: шаблонизированный заголовок, реализующий только C++ библиотеки Python NumPy
Версия:
Лицензия
Тестирование
Стандарты С++:
Составители:
Визуальная студия: 2022 г.
GNU: 11.3 Кланг: 14
Ускоренные версии:
1.73+
Документация
GitHub
Установка
Здание
Примечания к выпуску
От NumPy к NumCpp – краткое руководство
Это краткое руководство представляет собой очень краткий обзор некоторых вещей, которые можно сделать с помощью NumCpp . Для получения полной информации обо всем, что доступно в библиотеке NumCpp , посетите полную документацию.
КОНТЕЙНЕРЫ
Основной структурой данных в NumCpp является NdArray . По своей сути это класс двумерных массивов, в котором одномерные массивы реализованы как массивы 1xN. Существует также класс DataCube , который предоставляется в качестве удобного контейнера для хранения массива 2D NdArray , но его полезность за пределами простого контейнера ограничена.
| NumPy | NumCpp |
|---|
a = np.array([[1, 2], [3, 4], [5, 6]]) | nc::NdArray a = { {1, 2}, {3, 4}, {5, 6} } |
a.reshape([2, 3]) | a.reshape(2, 3) |
a.astype(np.double) | a.astype() |
ИНИЦИАЛИЗАТОРЫ
Предоставляется множество функций-инициализаторов, которые возвращают NdArray для общих нужд.
| NumPy | NumCpp |
|---|
np.linspace(1, 10, 5) | nc::linspace(1, 10, 5) |
np.arange(3, 7) | nc::arange(3, 7) |
np.eye(4) | nc::eye(4) |
np.zeros([3, 4]) | nc::zeros(3, 4) |
| nc::NdArray(3, 4) a = 0 |
np.ones([3, 4]) | nc::ones(3, 4) |
| nc::NdArray(3, 4) a = 1 |
np.nans([3, 4]) | nc::nans(3, 4) |
| nc::NdArray(3, 4) a = nc::constants::nan |
np.empty([3, 4]) | nc::empty(3, 4) |
| nc::NdArray(3, 4) a |
НАРЕЗКА/ТРАНСЛЯЦИЯ
NumCpp предлагает нарезку и трансляцию в стиле NumPy .
| NumPy | NumCpp |
|---|
a[2, 3] | a(2, 3) |
a[2:5, 5:8] | a(nc::Slice(2, 5), nc::Slice(5, 8)) |
| a({2, 5}, {5, 8}) |
a[:, 7] | a(a.rSlice(), 7) |
a[a > 5] | a[a > 5] |
a[a > 5] = 0 | a.putMask(a > 5, 0) |
СЛУЧАЙНЫЙ
Модуль случайных чисел предоставляет простые способы создания случайных массивов.
| NumPy | NumCpp |
|---|
np.random.seed(666) | nc::random::seed(666) |
np.random.randn(3, 4) | nc::random::randN(nc::Shape(3, 4)) |
| nc::random::randN({3, 4}) |
np.random.randint(0, 10, [3, 4]) | nc::random::randInt(nc::Shape(3, 4), 0, 10) |
| nc::random::randInt({3, 4}, 0, 10) |
np.random.rand(3, 4) | nc::random::rand(nc::Shape(3,4)) |
| nc::random::rand({3, 4}) |
np.random.choice(a, 3) | nc::random::choice(a, 3) |
КОНКАТЕНАЦИЯ
Доступно множество способов объединения NdArray .
| NumPy | NumCpp |
|---|
np.stack([a, b, c], axis=0) | nc::stack({a, b, c}, nc::Axis::ROW) |
np.vstack([a, b, c]) | nc::vstack({a, b, c}) |
np.hstack([a, b, c]) | nc::hstack({a, b, c}) |
np.append(a, b, axis=1) | nc::append(a, b, nc::Axis::COL) |
ДИАГОНАЛЬНЫЙ, ТРЕУГОЛЬНЫЙ И ПЕРЕВЕРНУТЫЙ
Следующие возвращают новые NdArray s.
| NumPy | NumCpp |
|---|
np.diagonal(a) | nc::diagonal(a) |
np.triu(a) | nc::triu(a) |
np.tril(a) | nc::tril(a) |
np.flip(a, axis=0) | nc::flip(a, nc::Axis::ROW) |
np.flipud(a) | nc::flipud(a) |
np.fliplr(a) | nc::fliplr(a) |
ИТЕРАЦИЯ
NumCpp следует идиомам C++ STL, предоставляя пары итераторов для перебора массивов различными способами.
| NumPy | NumCpp |
|---|
for value in a | for(auto it = a.begin(); it < a.end(); ++it) |
| for(auto& value : a) |
ЛОГИЧЕСКИЙ
Логические ФУНКЦИИ в NumCpp ведут себя так же, как и NumPy .
| NumPy | NumCpp |
|---|
np.where(a > 5, a, b) | nc::where(a > 5, a, b) |
np.any(a) | nc::any(a) |
np.all(a) | nc::all(a) |
np.logical_and(a, b) | nc::logical_and(a, b) |
np.logical_or(a, b) | nc::logical_or(a, b) |
np.isclose(a, b) | nc::isclose(a, b) |
np.allclose(a, b) | nc::allclose(a, b) |
СРАВНЕНИЯ
| NumPy | NumCpp |
|---|
np.equal(a, b) | nc::equal(a, b) |
| a == b |
np.not_equal(a, b) | nc::not_equal(a, b) |
| a != b |
rows, cols = np.nonzero(a) | auto [rows, cols] = nc::nonzero(a) |
МИНИМУМ, МАКСИМУМ, СОРТИРОВКА
| NumPy | NumCpp |
|---|
np.min(a) | nc::min(a) |
np.max(a) | nc::max(a) |
np.argmin(a) | nc::argmin(a) |
np.argmax(a) | nc::argmax(a) |
np.sort(a, axis=0) | nc::sort(a, nc::Axis::ROW) |
np.argsort(a, axis=1) | nc::argsort(a, nc::Axis::COL) |
np.unique(a) | nc::unique(a) |
np.setdiff1d(a, b) | nc::setdiff1d(a, b) |
np.diff(a) | nc::diff(a) |
РЕДУКТОРЫ
Редюсеры накапливают значения NdArray вдоль указанных осей. Если ось не указана, значения накапливаются по всем осям.
| NumPy | NumCpp |
|---|
np.sum(a) | nc::sum(a) |
np.sum(a, axis=0) | nc::sum(a, nc::Axis::ROW) |
np.prod(a) | nc::prod(a) |
np.prod(a, axis=0) | nc::prod(a, nc::Axis::ROW) |
np.mean(a) | nc::mean(a) |
np.mean(a, axis=0) | nc::mean(a, nc::Axis::ROW) |
np.count_nonzero(a) | nc::count_nonzero(a) |
np.count_nonzero(a, axis=0) | nc::count_nonzero(a, nc::Axis::ROW) |
ввод/вывод
Способы вывода на печать и в файл. Все классы NumCpp поддерживают метод print() и операторы потока << .
| NumPy | NumCpp |
|---|
print(a) | a.print() |
| std::cout << a |
a.tofile(filename, sep='n') | a.tofile(filename, 'n') |
np.fromfile(filename, sep='n') | nc::fromfile(filename, 'n') |
np.dump(a, filename) | nc::dump(a, filename) |
np.load(filename) | nc::load(filename) |
МАТЕМАТИЧЕСКИЕ ФУНКЦИИ
Универсальные функции NumCpp предусмотрены для большого количества математических функций.
ОСНОВНЫЕ ФУНКЦИИ
| NumPy | NumCpp |
|---|
np.abs(a) | nc::abs(a) |
np.sign(a) | nc::sign(a) |
np.remainder(a, b) | nc::remainder(a, b) |
np.clip(a, 3, 8) | nc::clip(a, 3, 8) |
np.interp(x, xp, fp) | nc::interp(x, xp, fp) |
ЭКСПОНЕНЦИАЛЬНЫЕ ФУНКЦИИ
| NumPy | NumCpp |
|---|
np.exp(a) | nc::exp(a) |
np.expm1(a) | nc::expm1(a) |
np.log(a) | nc::log(a) |
np.log1p(a) | nc::log1p(a) |
СИЛОВЫЕ ФУНКЦИИ
| NumPy | NumCpp |
|---|
np.power(a, 4) | nc::power(a, 4) |
np.sqrt(a) | nc::sqrt(a) |
np.square(a) | nc::square(a) |
np.cbrt(a) | nc::cbrt(a) |
ТРИГОНОМЕТРИЧЕСКИЕ ФУНКЦИИ
| NumPy | NumCpp |
|---|
np.sin(a) | nc::sin(a) |
np.cos(a) | nc::cos(a) |
np.tan(a) | nc::tan(a) |
ГИПЕРБОЛИЧЕСКИЕ ФУНКЦИИ
| NumPy | NumCpp |
|---|
np.sinh(a) | nc::sinh(a) |
np.cosh(a) | nc::cosh(a) |
np.tanh(a) | nc::tanh(a) |
КЛАССИФИКАЦИОННЫЕ ФУНКЦИИ
| NumPy | NumCpp |
|---|
np.isnan(a) | nc::isnan(a) |
np.isinf(a) | nc::isinf(a) |
ЛИНЕЙНАЯ АЛГЕБРА
| NumPy | NumCpp |
|---|
np.linalg.norm(a) | nc::norm(a) |
np.dot(a, b) | nc::dot(a, b) |
np.linalg.det(a) | nc::linalg::det(a) |
np.linalg.inv(a) | nc::linalg::inv(a) |
np.linalg.lstsq(a, b) | nc::linalg::lstsq(a, b) |
np.linalg.matrix_power(a, 3) | nc::linalg::matrix_power(a, 3) |
Np.linalg.multi_dot(a, b, c) | nc::linalg::multi_dot({a, b, c}) |
np.linalg.svd(a) | nc::linalg::svd(a) |
