第 4 章 向量化运算#

这一章要解决什么#

前面三章你已经会造数组、取数、广播了。这一章解决一个更「值钱」的问题：

为什么同样的计算，用 NumPy 写会比用 Python 循环写快几十倍？

答案很简单：NumPy 把「循环」搬到了底层 C 代码里，用一整块内存批量算。

import numpy as np

prices = np.array([100.0, 200.0, 300.0])

# Python 写法：逐个循环
for i in range(len(prices)):
    prices[i] = prices[i] * 0.8

# NumPy 写法：一行，没有循环
prices = prices * 0.8

结果一样，NumPy 快几十倍，代码也短得多。

这一章会教你：怎么把脑子里那个 for 循环，翻译成一行数组运算。

章节导航#

• 第 4.1 节 核心知识点——向量化到底快在哪、归一化差值、角度特征、聚合函数的 axis 用法、sort 与 argsort 的区别，以及基于范数的门控变换。
• 第 4.2 节 编程练习——5 道动手题，从「算归一化差值」到「按范数决定要不要做线性变换」。
• 第 4.3 节 常见问题——10 个高频疑问，比如「axis=0 和 axis=1 到底差在哪」「sort 和 argsort 有什么区别」。

预备知识#

• 已经学过前 3 章，会造数组、切片、广播；
• 知道 Python 的 for 循环和 if 判断；
• 知道一点数学：加减乘除、平方根。

本章的一句话主线 凡是「对每个元素做同样的事」，就都能写成一行数组运算。 你要做的不是「把循环写得更快」，而是根本不写循环。