Lib.rs

lib.rs:

ndarray crate提供了一个用于通用元素和数值的n维容器。

在n维中，我们包括例如一维行或列、二维矩阵和更高维的数组。如果数组有n维，则通过使用那么多索引来访问数组中的元素。每个维度也称为一个轴。

• ArrayBase：n 维数组类型的本身。
  它被用来实现所有权属数组和视图；查看其文档以了解所有数组功能的概述。
  
• 主要的特定数组类型是 Array，它拥有自己的元素。

亮点

• 泛型n维数组
• 切片，也可以使用任意步长，以及负索引表示轴末端的元素。
• 数组的视图和子视图；产生子视图的迭代器。
• 高阶操作和算术性能良好
• 可以使用ArrayView::from和ArrayViewMut::from从任何[T]数据中切片和修改数组视图。
• [Zip] 用于在两个或更多数组或其他项目生产者（NdProducer 特性）之间执行步调一致的函数应用。

包状态

• 仍在迭代和改进包

  • 包持续发展，版本之间的演变过程中可能会出现破坏性更改。如有需要，我们将采用最新的稳定 Rust 功能。
  • 请注意，隐藏在文档中的函数/方法/特性等不被视为公共 API 的一部分，因此对它们的更改不被视为破坏性更改。

• 性能

  • 优先考虑数组的更高阶方法和算术操作，然后是迭代，最后优先使用索引算法。
  • 如 .map()、.map_inplace()、.zip_mut_with()、[Zip] 和 azip!() 等更高阶函数是最有效的执行单次遍历和锁步遍历的方法。
  • 操作的性能取决于数组或数组视图的内存布局。特别是对于二进制操作，需要匹配的内存布局才能高效（有一些例外）。
  • 即使是对于非常大的矩阵，也能高效地进行浮点矩阵乘法；可以选择使用 BLAS 来进一步改进。

• MSRV：需要 Rust 1.64 或更高版本

包特性标志

以下包特性标志可用。它们在您的 Cargo.toml 中配置。有关更多信息，请参阅 doc::crate_feature_flags。

• std：使用 Rust 标准库的功能（默认启用）
• serde：serde 1.x 的序列化支持
• rayon：并行迭代器，并行方法，parallel 模块和 par_azip!。
• approx 实现 approx 包中的特性。
• blas：矩阵乘法透明 BLAS 支持，需要配置。
• matrixmultiply-threading：使用来自 matrixmultiply 的线程。

文档

• 关于 ArrayBase 的文档提供了对 n 维数组类型的概述。其他值得查看的页面包括 s![] 和 azip!() 宏的文档。

• 如果你有使用 NumPy 的经验，你可能还会对 ndarray_for_numpy_users 感兴趣。

ndarray 生态系统

ndarray 提供了大量的功能，但并不是一个一站式解决方案。

ndarray 包含矩阵乘法和其他二进制/一元操作。更高级的线性代数例程（例如 SVD 分解或特征值计算）可以在 ndarray-linalg 中找到。

对于统计学也是如此：ndarray 提供了一些基本功能（例如 mean），但更高级的例程可以在 ndarray-stats 中找到。

如果你想要生成随机数组，可以查看 ndarray-rand。

对于在 ndarray、nalgebra 和 image 之间进行转换，请查看 nshare。