NumPy targets the CPython reference

NumPy targets the CPython reference implementation of Python, which is a non-optimizing bytecode interpreter. Mathematical algorithms written for this version of Python often run much slower than compiled equivalents. NumPy address the slowness problem partly by providing multidimensional arrays and functions and operators that operate efficiently on arrays, requiring (re)writing some code, mostly inner loops using NumPy.

Using NumPy in Python gives functionality comparable to MATLAB since they are both interpreted[citation needed], and they both allow the user to write fast programs as long as most operations work on arrays or matrices instead of scalars. In comparison, MATLAB boasts a large number of additional toolboxes, notably Simulink, whereas NumPy is intrinsically integrated with Python, a more modern, complete, and open source programming language. Moreover, complementary Python packages are available; SciPy is a library that adds more MATLAB-like functionality and Matplotlib is a plotting package that provides MATLAB-like plotting functionality. Internally, both MATLAB and NumPy rely on BLAS and LAPACK for efficient linear algebra computations.

Kết quả (Việt) 1:

NumPy mục tiêu thực hiện tài liệu tham khảo CPython Python, đó là một thông dịch bytecode không tối ưu hóa. Thuật toán toán học viết cho phiên bản này của trăn thường chạy chậm hơn nhiều so với tương đương biên soạn. NumPy địa chỉ các vấn đề chậm đi một phần của cung cấp các mảng đa chiều và các chức năng và các nhà khai thác hoạt động hiệu quả trên mảng, đòi hỏi phải có (lại) viết một số mã, chủ yếu là bên trong vòng bằng cách sử dụng NumPy.Sử dụng NumPy trong Python cho chức năng so sánh MATLAB vì chúng là cả hai hiểu [cần dẫn nguồn], và cả hai đều cho phép người dùng viết các chương trình nhanh như hầu hết các hoạt động làm việc trên các mảng hay ma thay vì giả. Trong khi đó, MATLAB tự hào có một số lượng lớn các bổ sung toolboxes, đáng chú ý là Simulink, trong khi NumPy intrinsically được tích hợp với Python, một hiện đại hơn, đầy đủ, và ngôn ngữ lập trình mã nguồn mở. Hơn nữa, bổ sung Python gói có sẵn; SciPy là một thư viện thêm nhiều chức năng giống như MATLAB và Matplotlib là một gói plotting cung cấp chức năng plotting MATLAB-like. Nội bộ, MATLAB và NumPy dựa vào BLAS và LAPACK để tính toán đại số tuyến tính hiệu quả.

Kết quả (Việt) 2:

NumPy mục tiêu thực hiện tham khảo CPython của Python, mà là một không tối ưu hóa bytecode thông dịch viên. Các thuật toán toán học được viết cho phiên bản này của Python thường chạy chậm hơn nhiều so với các khoản tương đương biên soạn. NumPy giải quyết vấn đề chậm đi một phần bằng cách cung cấp các mảng đa chiều và các chức năng và các nhà khai thác có hiệu quả các hoạt động trên các mảng, đòi hỏi (lại) viết một số mã, chủ yếu là vòng bên trong sử dụng NumPy.

Sử dụng NumPy trong Python cho chức năng tương đương với MATLAB kể từ khi họ được cả hai giải thích [cần dẫn nguồn], và cả hai đều cho phép người sử dụng để viết các chương trình nhanh như dài như hầu hết các hoạt động làm việc trên mảng hoặc ma trận thay vì vô hướng. Trong khi đó, MATLAB tự hào có một số lượng lớn các hộp công cụ bổ sung, đặc biệt là Simulink, trong khi NumPy được tích hợp bản chất với Python, một ngôn ngữ lập trình mã nguồn hiện đại hơn, hoàn thiện và cởi mở. Hơn nữa, các gói Python bổ sung có sẵn; Scipy là một thư viện có thêm nhiều chức năng MATLAB giống và Matplotlib là một gói phần mềm âm mưu cung cấp các chức âm mưu MATLAB-như. Bên trong, cả MATLAB và NumPy dựa vào Blas và LAPACK cho tính toán đại số tuyến tính hiệu quả.