Có đã là một danh sách đầy đủ các lời khuyên cho python đây , vì vậy những gì tôi yêu cầu cho những lời khuyên mà cụ thể áp dụng đối với việc sử dụng numpy, scipyhoặc pylabthư viện.

Đây có thể là một trong những cách để rút ngắn mã đã sử dụng numpyhoặc cách rút ngắn các hoạt động python thông thường bằng cách sử dụng các thư viện này.

Một lời khuyên cho mỗi câu trả lời, xin vui lòng.

Tận dụng việc phát sóng của Numpy

Phát sóng có nghĩa là sao chép một mảng nhiều chiều dọc theo một số kích thước đơn lẻ của nó để phù hợp với kích thước của mảng khác. Điều này xảy ra tự động cho các mảng Numpy khi các toán tử số học được áp dụng cho chúng.

Ví dụ: để tạo bảng nhân 10 × 10, bạn có thể sử dụng

import numpy
t=numpy.arange(1,11)
print(t*t[:,None]) # Or replace t[:,None] by [*zip(t)]

Hãy thử trực tuyến!

Ở đây tđược tạo ra như là mảng Numpy [1, 2, ..., 10]. Cái này có hình dạng (10,), tương đương với (1,10). Mảng toán hạng khác t[:,None], có kích thước (10,1). Nhân hai mảng ngầm sao chép chúng, vì vậy chúng hành xử như thể cả hai đều có hình dạng (10,10). Kết quả, cũng có hình dạng (10,10), chứa các sản phẩm cho tất cả các cặp mục trong mảng ban đầu.

Sử dụng r _ [...] thay vì phạm vi (...)

Numpy cung cấp cú pháp như MATLAB để tạo mảng bằng cách sử dụng r_[...]. Bất kỳ ký hiệu lát ở giữa các dấu ngoặc được hiểu là một mảng với phạm vi được chỉ định. Vì vậy, ví dụ

r_[:30:4]

tương đương với

arange(0,30,4)

và đối với hầu hết các sử dụng có thể thay thế

range(0,30 4)

Nó cũng có thể xử lý các biểu thức phức tạp hơn. Ví dụ: để nhận các chỉ số từ 0 đến 10 và quay lại lần nữa,

r_[:10,10:-1:-1]