正文内容
本文档是 Konrad Hinsen 于 2001 年撰写的 Numerical Python 教程，基于早期的 Numeric 模块（NumPy 的前身）。原为 Scientific Python 项目的一部分，由法国 CNRS 奥尔良分子生物学中心编写。
核心主题
教程系统介绍了 Numeric 数组的创建、索引、算术运算及与 C/Fortran 的接口方式。覆盖范围包括：
- 数组基础：多维数组的创建（
zeros、array、arange、fromfunction）、shape 属性、typecode - 索引与切片：基本索引、多轴索引（
a[0,...,1]）、步长切片（a[::-1]、a[::2]）、负索引、NewAxis插入新维度 - 数组算术：逐元素运算、广播（行/列广播）、in-place 运算（
a += 3）、比较运算 - 数学函数：
sqrt、log、sin、cos等同时适用于标量和数组 - 二元通用函数：
add、multiply的 reduce、accumulate、outer 操作 - 结构操作：
take（按索引选取）、where（条件选取）、reshape/resize、repeat - 引用语义：索引产生引用而非副本，修改子数组会影响原数组——这是重要但易错的特性
与 C/Fortran 的接口
- C 接口：通过
PyArrayObject和PyArg_ParseTuple将 Python 数组传给 C 函数，用Py_BuildValue返回结果 - Fortran 接口：通过 Pyfort 或手动写 C 包装层调用 Fortran 库；需注意机器字节序和编译器差异
- 添加模块：LinearAlgebra（LAPACK）、FFT（FFTPACK）、RNG（RANLIB）等扩展模块
效率要点
- 大数组运算接近纯 C 代码速度
- 小数组有解释器+数组开销，显式 Python 循环效率低
- 中间结果会分配临时数组，对大数组建议多用 in-place 运算
- 性能关键路径应移至 C 扩展模块
与现代表达式的对照
| Numeric（本文） | 现代 NumPy |
|---|---|
from Numeric import * | import numpy as np |
Numeric.array | np.array |
add.reduce(a) | np.sum(a) / a.sum() |
add.outer(a, b) | np.outer(a, b) |
resize(a, shape) | np.resize(a, shape) |
fromfunction(f, shape) | np.fromfunction(f, shape) |
历史意义
本教程是 Python 科学计算早期（pre-NumPy 时代）最重要的入门文档之一。Konrad Hinsen 后来创建了 Biopython 并长期维护 Scientific Python。虽然 Numeric 模块早已由 NumPy 取代（后者改进了内存模型和泛型支持），但大多数核心概念（广播、切片、ufunc、结构操作）在 NumPy 中完全延续。