克隆号

一个小模块，用于在Python中使用数组而不使用第三方库（NumPy克隆，但仅在纯Python中）。

该大学的作业被要求编写一个程序来计算矩阵的范数和分解，但被禁止使用第三方库。 编程语言的选择不受限制。 我选择了python（这是一个错误，因为它比Java和C / C ++慢得多），因此我不能使用NumPy。 在此过程中，我不得不编写用于执行数组操作的函数，用于查找未成年人，行列式的函数等。 结果是一个用于处理数组的迷你库。

我的纯Python代码比NumPy慢得多，后者执行C和Fortran计算（加上我的代码未优化）。

MatLOL可以做什么：

• 矩阵的总和，差和积
• 矩阵产品的数量
• 矩阵转置
• 次矩阵
• 矩阵行列式
• 逆矩阵
• 联合矩阵
• 矩阵条件编号
• 第一，第二（未最终确定），欧几里得和无限矩阵范数
• 方程AX = B的解
• LU分解
• 胆固醇分解
• 赛德尔法

MathLOL示例

导入模块：

# from mathlol import * from mathlol import mathlol 

矩阵初始化

 matrix = mathlol() matrix.set([[1, 2, 3], [4, 5, 6], [7, -8, 9]]) matrix.get() #   

一些矩阵运算

 matrix * 2 #     2 A = [[0, 0, 0], [0, 1, 0], [0, 0, 0]] #  2  matrix.dot(A) matrix * A matrix.transposition() #   matrix.minor(i = 0, j = 0) #   matrix.determinant() #   matrix.inverse() #   L, U = matrix.lu() # LU  matrix.seidel(b = [[5.0], [9.0], [1.0]]) #   

还有用于向量的功能

 vector = mathlol() vector.set([1, 2, 3, 4, 5]) vector.checkvector() # ,     vector.norm1_vector() vector.norm2_vector() vector.norm3_vector() 

其他例子

MathLOL性能

让我们看看计算大小为NxN的矩阵的乘积的速度。 矩阵由-100到100的随机整数填充。




计算矩阵产品尺寸从100x100到1000x1000的速度



比较numpy和mathlol的计算速度。 不幸的是，mathlol的速度非常慢，我决定对numpy使用尺寸从100x100到1000x1000的矩阵，对mathlol使用10x10到​​100x100的矩阵。



MathLOL在0.16秒内自行​​计算出矩阵100x100的乘积，而NumPy在0.002（!!!）秒内计算出矩阵1000x1000的乘积。 区别是巨大的。

我们的任务只是实现用于矩阵的各种功能，而我们所做的只是，但是使用大型矩阵的程序的运行速度不尽人意。 仍然需要完善程序，添加更多功能（例如，用于计算Todd数的功能），如果您看一下代码，指出错误并可能有助于完善代码，我将不胜感激。

仅此而已 ，代码和示例已发布在github上 。

PS在撰写本文的过程中，我想进行实验并将C / C ++嵌入到我的模块中。 我会在不久的将来解决这个问题，看看它与NumPy的表现有多接近。