Numpy:np.abs在引擎盖下是如何工作的？

我试图在Go中实现我自己的gonum密集向量的绝对函数。我在想是否有比平方和平方根更好的方法来获得数组的绝对值

---

我的主要问题是，我必须在这些向量上实现我自己的元素牛顿平方根函数，并且在实现速度和精度之间取得平衡。如果我能避免使用这个平方根函数，我会很高兴的。

NumPy源代码可能很难导航，因为它有太多用于太多数据类型的函数。您可以在文件中找到绝对值函数的C级源代码。该文件实际上是一个包含函数定义的模板，这些函数定义稍后由构建系统为几种数据类型复制。注意，每个函数都是为数组的每个元素运行的“内核”（在数组中循环是在其他地方完成的）。这些函数始终称为

\u ctype\u absolute

，其中

是它应用的数据类型，通常是模板化的。让我们检查一下

/**开始重复
*#name=ubyte、ushort、uint、ulong、ulonglong#
*/
#定义@name@_ctype_absolute @name@_ctype_positive
/**结束重复**/

这是用于无符号类型的。在本例中，绝对值与相同，它只是复制值，而不做任何操作（如果您有一个数组

a

，并且执行

+a

，则会得到绝对值）

/**开始重复
*#name=byte，short，int，long，longlong#
*#type=npy_字节，npy_短，npy_int，npy_长，npy_长#
*/
静态空隙
@name@_ctype_absolute（@type@a，@type@*out）
{
*out=（a<0？-a:a）；
}
/**结束重复**/

这个是有符号整数。很简单

/**开始重复
*#name=浮点、双精度、长双精度#
*#类型=npy_浮点、npy_双精度、npy_长双精度#
*#c=f，，l#
*/
静态空隙
@name@_ctype_absolute（@type@a，@type@*out）
{
*out=npy_fabs@c@（a） )；
}
/**结束重复**/

这是针对浮点值的。这里使用了

npy_fabsf

，

npy_fabs

和

npy_fabsl

函数。它们在中声明，但通过中的模板化C代码定义，本质上调用（除非C99不可用）。您可能认为前面的代码也适用于浮点类型，但实际上它们更复杂，因为它们有NaN、无穷大或带符号的零，所以最好使用可靠地处理所有问题的标准C函数

静态无效
绝对值（npy_一半，npy_一半*输出）
{
*输出=a&0x7fffu；
}

这实际上不是模板化的，它是的绝对值函数。事实证明，您可以通过按位操作（将第一位设置为0）来更改符号，因为半精度比其他浮点类型更简单（如果有更多限制的话）（这些类型通常相同，但有特殊情况）

/**开始重复
*#name=cfloat、cdouble、clongdouble#
*#type=npy\u cfloat，npy\u cdouble，npy\u clongdouble#
*#rtype=npy_浮点、npy_双精度、npy_长双精度#
*#c=f，，l#
*/
静态空隙
@name@_ctype_absolute（@type@a，@rtype@*out）
{
*out=npy_cabs@c@（a） )；
}
/**结束重复**/

---

最后一个用于复杂类型。它们使用

npy_cabsf

、

npycabs

和

npy_cabsl

函数，在本例中再次声明，但在使用中实现了该模板（除非该模板不可用，在这种情况下是可用的）。

谢谢！这是一个非常详细和彻底的回答。我现在知道了一些我没有意识到我需要知道的事情！因此，这确实比我想象的帮助更大。所以，如果我理解正确的话，它们的主要区别在于它们处理不同的数据类型，但本质上它们（几乎）都在数组上执行非常低的级别和快速的for循环，并将每个元素与0进行比较？@edentrain或者，是的，一般来说，你可以这么说。