Python Numpy矢量化是否使用C循环？

我一直在读一些关于

numpy

的文章/帖子，想知道

numpy

中的矢量化实际上是如何工作的。一些文章提到了C循环的使用，而另一些文章则谈到了更接近硬件的东西，比如向量指令集。例如，如果我有以下代码：

a = np.array([1,2,3])
b = np.array([2,4,6])
M = np.array([[1,2,3],[4,5,6],[7,8,9]])

我调用以下函数：

c = np.dot(a,b)
M2 = M@M
test_condition = np.where(a > 2, a + 999, a)

---

然后我假设上述示例中的矢量化函数调用只是一种花哨的说法，即

numpy

调用一个快速编译的C for循环来处理每个元素。是这样，还是有更复杂的事情在幕后进行？

C

for

循环可以编译成硬件矢量化指令。。。当然也可以直接使用。在

numpy

的上下文中，

vectoriation

只意味着使用编译后的功能。这主要是用C语言编写的。根据编译器和硬件的不同，可能会有一些专门的操作，但基本发行版不会这样做。如果安装了数字库（BLAS、ATLAS），有些代码会使用它们。@hpaulj BLAS和ATLAS会使用C来表示循环吗？我想我的问题的核心在于，我认为循环是遍历数组的唯一方法。是的，它是循环，一直向下。但它们大多对我们Python级别的用户隐藏。在大多数情况下，我们使用

numpy

就好像计算是同时在所有元素上进行的一样。C

For

循环可以编译成硬件矢量化指令。。。当然也可以直接使用。在

numpy

的上下文中，

vectoriation

只意味着使用编译后的功能。这主要是用C语言编写的。根据编译器和硬件的不同，可能会有一些专门的操作，但基本发行版不会这样做。如果安装了数字库（BLAS、ATLAS），有些代码会使用它们。@hpaulj BLAS和ATLAS会使用C来表示循环吗？我想我的问题的核心在于，我认为循环是遍历数组的唯一方法。是的，它是循环，一直向下。但它们大多对我们Python级别的用户隐藏。在大多数情况下，我们使用的是

numpy

，就好像是同时对所有元素进行计算一样。