NumPy

El lenguaje de programación Python no fue diseñado originalmente para la computación numérica, pero atrajo la atención de la comunidad científica y de ingeniería desde sus inicios. En 1995 se fundó el grupo de interés especial (SIG) matrix-sig con el objetivo de definir un paquete de computación de matrices ; entre sus miembros se encontraba el diseñador y mantenedor de Python, Guido van Rossum , quien extendió la sintaxis de Python (en particular la sintaxis de indexación ^{[ 5 ]} ) para facilitar la computación de matrices . ^{[ 6 ]}

Jim Fulton completó una implementación de un paquete de matrices, que luego Jim Hugunin amplió para admitir matrices multidimensionales y denominó Numeric ^{[ 6 ]} (también conocido como "Extensiones numéricas de Python" o "NumPy"), con influencias de la familia de lenguajes APL , Basis, MATLAB , FORTRAN , S y S+ , entre otros. ^{[ 7 ] [ 8 ]} Hugunin, estudiante de posgrado en el Instituto Tecnológico de Massachusetts (MIT), ^{[ 8 ] : 10} se unió a la Corporación para Iniciativas Nacionales de Investigación (CNRI) en 1997 para trabajar en JPython , ^{[ 6 ]} dejando a Paul Dubois del Laboratorio Nacional Lawrence Livermore (LLNL) como mantenedor. ^{[ 8 ] : 10} Otros colaboradores iniciales incluyen a David Ascher, Konrad Hinsen y Travis Oliphant . ^{[ 8 ] : 10}

Se escribió un nuevo paquete llamado Numarray como un reemplazo más flexible para Numeric. ^{[ 9 ]} Al igual que Numeric, también está ahora obsoleto. ^{[ 10 ] [ 11 ]} Numarray tenía operaciones más rápidas para matrices grandes, pero era más lento que Numeric en matrices pequeñas, ^{[ 12 ]} por lo que durante un tiempo ambos paquetes se usaron en paralelo para diferentes casos de uso. La última versión de Numeric (v24.2) se lanzó el 11 de noviembre de 2005, mientras que la última versión de numarray (v1.5.2) se lanzó el 24 de agosto de 2006. ^{[ 13 ]}

Existía el deseo de incorporar Numeric a la biblioteca estándar de Python, pero Guido van Rossum decidió que el código no era mantenible en su estado actual. ^{[ 14 ]}

A principios de 2005, el desarrollador de NumPy, Travis Oliphant, quiso unificar la comunidad en torno a un único paquete de matrices y adaptó las características de Numarray a Numeric, publicando el resultado como NumPy 1.0 en 2006. ^{[ 9 ]} Este nuevo proyecto formaba parte de SciPy . Para evitar instalar el extenso paquete SciPy solo para obtener un objeto de matriz, este nuevo paquete se separó y se denominó NumPy. La compatibilidad con Python 3 se añadió en 2011 con la versión 1.5.0 de NumPy. ^{[ 15 ]}

En 2011, PyPy comenzó el desarrollo de una implementación de la API de NumPy para PyPy. ^{[ 16 ]} A fecha de 2023, todavía no es totalmente compatible con NumPy. ^{[ 17 ]}

La funcionalidad principal de NumPy es su estructura de datos "ndarray", que representa una matriz n- dimensional . Estas matrices son vistas escalonadas de la memoria. ^{[ 9 ]} A diferencia de la estructura de datos de lista integrada de Python, estas matrices tienen tipos homogéneos: todos los elementos de una misma matriz deben ser del mismo tipo.

Estas matrices también pueden ser vistas de búferes de memoria asignados por extensiones de C / C++ , Python y Fortran al intérprete CPython sin necesidad de copiar datos, lo que proporciona cierto grado de compatibilidad con las bibliotecas numéricas existentes. Esta funcionalidad es aprovechada por el paquete SciPy, que encapsula varias de estas bibliotecas (en particular BLAS y LAPACK). NumPy tiene soporte integrado para ndarrays mapeados en memoria . ^{[ 9 ]}

Insertar o agregar entradas a un array no es tan sencillo como con las listas de Python. La np.pad(...)rutina para extender arrays crea nuevos arrays con la forma y los valores de relleno deseados, copia el array original en el nuevo y lo devuelve. La np.concatenate([a1,a2])operación de NumPy no enlaza los dos arrays, sino que devuelve uno nuevo, relleno con las entradas de ambos arrays en secuencia. Modificar la dimensionalidad de un array np.reshape(...)solo es posible si el número de elementos del array no cambia. Estas circunstancias se deben a que los arrays de NumPy deben ser vistas de búferes de memoria contiguos .

Los algoritmos que no se pueden expresar como una operación vectorizada suelen ser lentos porque deben implementarse en Python puro, mientras que la vectorización puede aumentar la complejidad de memoria de algunas operaciones de constante a lineal, ya que se deben crear matrices temporales tan grandes como las entradas. Varios grupos han implementado la compilación en tiempo de ejecución de código numérico para evitar estos problemas; entre las soluciones de código abierto que interactúan con NumPy se incluyen numexpr ^{[ 22 ]} y Numba ^{[ 23 ]} . Cython y Pythran son alternativas de compilación estática a estas.

Muchas aplicaciones modernas de computación científica a gran escala tienen requisitos que superan las capacidades de los arreglos NumPy. Por ejemplo, los arreglos NumPy generalmente se cargan en la memoria de una computadora , que puede tener capacidad insuficiente para el análisis de grandes conjuntos de datos . Además, las operaciones NumPy se ejecutan en una sola CPU . Sin embargo, muchas operaciones de álgebra lineal se pueden acelerar ejecutándolas en clústeres de CPU o en hardware especializado, como GPU y TPU , en los que se basan muchas aplicaciones de aprendizaje profundo . Como resultado, en los últimos años han surgido varias implementaciones alternativas de arreglos en el ecosistema científico de Python, como Dask para arreglos distribuidos y TensorFlow o JAX ^{[ 24 ]} para cálculos en GPU. Debido a su popularidad, estas implementan a menudo un subconjunto de la API de NumPy o la imitan, de modo que los usuarios pueden cambiar su implementación de arreglo con cambios mínimos en su código. ^{[ 3 ]} Una biblioteca llamada CuPy , ^{[ 25 ]} acelerada por el marco CUDA de Nvidia , también ha mostrado potencial para una computación más rápida, siendo un "reemplazo directo" de NumPy. ^{[ 26 ]}

Versión funcional en Python y versión vectorizada en NumPy.

### Python funcional ### from typing import Callablepuntos : lista [ lista [ int ]] = [[ 9 , 2 , 8 ],[ 4 , 7 , 2 ],[ 3 , 4 , 4 ],[ 5 , 6 , 9 ],[ 5 , 0 , 7 ],[ 8 , 2 , 7 ],[ 0 , 3 , 2 ],[ 7 , 3 , 0 ],[ 6 , 1 , 1 ],[ 2 , 9 , 6 ]] qPoint : lista [ int ] = [ 4 , 5 , 3 ] # Función lambda para calcular la distancia euclidiana de dos vectores edistance : Callable [[ lista [ flotante ], lista [ flotante ]], flotante ] = lambda a , b : suma (( a1 - b1 ) ** 2 para a1 , b1 en zip ( a , b )) ** 0.5 # Calcula todas las distancias euclidianas a la vez y devuelve el punto más cercano nearest : list [ int ] = min (( edistance ( i , qpoint ), i ) for i in points )[ 1 ] print ( f "Punto más cercano a q: { nearest } " ) # imprime Punto más cercano a q: [3, 4, 4]### Vectorización equivalente de NumPy ### import numpy as np from numpy.typing import NDArraypuntos : NDArray [ int ] = np . matriz ([[ 9 , 2 , 8 ], [ 4 , 7 , 2 ], [ 3 , 4 , 4 ], [ 5 , 6 , 9 ], [ 5 , 0 , 7 ], [ 8 , 2 , 7 ], [ 0 , 3 , 2 ], [ 7 , 3 , 0 ], [ 6 , 1 , 1 ], [ 2 , 9 , 6 ]]) qPunto : NDArray [ int ] = np . matriz ([ 4 , 5 , 3 ]) minIdx : int = np . argmin ( np . linalg . norm ( points - qPoint , axis = 1 )) # calcula todas las distancias euclidianas a la vez y devuelve el índice de la más pequeña print ( f "Punto más cercano a q: { points [ minIdx ] } " ) # imprime Punto más cercano a q: [3 4 4]

Envuelve rápidamente el código nativo para obtener scripts más rápidos. ^{[ 28 ] [ 29 ] [ 30 ]}

! Ejemplo de llamada a código nativo de Python Fortran ! f2py -c -m foo *.f90 ! Compila Fortran en un módulo con nombre de Python usando sentencias intent ! Solo subrutinas de Fortran, no funciones: ¡más fácil que JNI con un wrapper de C ! Requiere gfortran y make subroutine ftest ( a , b , n , c , d ) implicit none integer , intent ( in ) :: a , b , n integer , intent ( out ) :: c , d integer :: i c = 0 do i = 1 , n c = a + b + c end do d = ( c * n ) * ( - 1 ) end subroutine ftest

import foo import numpy as npa : tupla [ int , int ] = foo . ftest ( 1 , 2 , 3 ) # o c,d = en lugar de ac y ad print ( a ) # imprime (9,-27) help ( "foo.ftest" ) # imprime el foo.ftest.__doc__