但是探求运用数组的新办法从本质上讲是实验性的，理想上，Theano 和 Caffe 等一些有出路的库曾经中止了开发。每当用户决议尝试一项新技术时，他们必须更改 import 语句，并确保新库可以完成他们以后运用的一切 NumPy API 部件。

在理想形状下，用户可以经过 NumPy 函数或语义在公用数组上停止操作，这样他们可以编写一次代码，然后从 NumPy 数组、GPU 数组、散布式数组以及其他数组之间的切换中获益。为了支持外部数组对象之间的数组操作，NumPy 添加了一项充任中心协调机制的功用，并提供指定的 API，详细如上图 2 所示。

为了促进这种互操作性，NumPy 提供了允许公用数组传递给 NumPy 函数的「协议」，详细如下图 3 所示。反过去，NumPy 依据需求将操作分派给原始库。超过 400 个最盛行的 NumPy 函数失掉了支持。该协议经过 Dask、CuPy、xarray 和 PyData/Sparse 等普遍运用的库来完成。

得益于这些停顿，用户如今可以运用 Dask 将本人的计算从单个机器扩展至少个系统。该协议允许用户经过 Dask 数组中嵌入的 CuPy 数组等，在散布式多 GPU 系统上大规模地重新部署 NumPy 代码。

运用 NumPy 的初级 API，用户可以在具有数百万个核的多系统上应用高度并行化的代码执行，并且需求的代码更改最少。

如下图 3 所示，NumPy 的 API 和数组协议向生态系统提供了新的数组：

如今，这些数组协议是 NumPy 的主要特征，它们的重要性估量也会越来越大。NumPy 开发者(很多也是这篇文章的作者)迭代地改善和添加协议设计，以改良适用性和简化运用方式。

论文最后对 NumPy 的现状和未来停止了总结和展望：

在未来十年中，NumPy 开发者将面临多项应战。新设备将出现，现有的公用硬件将面临摩尔定律的收益递减，数据迷信从业者将越来越多，类型也愈加普遍。而他们中的大部分将运用 NumPy。

随着光片显微镜和大型综合巡天望远镜(LSST)等设备和仪器的采用，迷信数据的规模将继续扩展。新一代言语、解释器和编译器，如 Rust、Julia 和 LLVM，将发明出新的概念和数据结构。

【编辑引荐】

装逼篇 | 抖音超火的九宫格视频是如何生成的，Python通知你答案

2020年9月TIOBE指数：Python排名令人惊喜

GitHub上学习Python的前7个仓库

了解这些操作，Python中99%的文件操作都将变得游刃不足！

用Python网络爬虫来看看最近电影院都有哪些上映的电影

(责任编辑：admin)