背景

numpy の機能を自前ライブラリ(e.g. C/C++)でも対応したい.
- 乱数や SVD とか
- スマホ(Android/iOS)に移植して動かしたいとか.
numpy の一部機能を GPU(e.g. CUDA, OpenCL)で処理したい
- プロトタイプなどは numpy(CPU)で行い, 実戦では GPU で高速, 大規模処理したいとか

情報

ndarray については調べれば他に記事ありますし, C/C++ で numpy っぽい ndarray ライブラリもいくつかありますので省きます.

linalg とか fft とかの話をします.

全部自前で実装しています(依存ライブラリなし).
ただ, 高速化用に third party library(e.g. Intel MKL)も利用できるようになっています.
また, 一部は python テンプレートとかから .c 生成などしています.

インターフェイスは python ですが, 処理が重たいような実装は C で処理しています.
native code 部分は全部 C です. C++ は利用されていません.

binding は, 基本は素の Python C API を呼んでいますが, random 関連は Cython を利用しています. したがって numpy のビルドには cython が必要になります.

基本, 依存ライブラリが無いため, ビルド自体は Linux では比較的簡単です. Ryzen9 3950X でだいたい 3~4 分でビルドできました.

Windows だとビルド面倒かもしれません.

線形代数ライブラリ. 実装は lapack lite(blas 付き)が標準であります(fortran から f2c で C に変換?).

コンパイルオプションで, 最適化 Blas/Lapack を使うことができるようになっています.

乱数. poisson 分布など自前で実装しています.

疑似乱数生成アルゴリズムは MT(Mersenne Twister)がデフォルトっぽそうですが, 最近はやりの PCG(pcg64) もあります.

1.17 から pocketfft(fftpack をベースに numpy 用に自前最適化)が利用されています.

pocketfft 自体はポータブルなので, pocketfft だけ抜き出して利用もできます.

音声, 信号処理系ライブラリ nanosnap でも FFT には pocketfft を利用しています.

numpy/lib/ma にあります.

通常の ndarary とは実装が別のようです.

多項式.
実装は pure Python のようです.

numpy/lib/npyio にあります. python レイヤーで処理しています.
pickle も利用できるようですが, 非推奨になっています.

T.B.W.

numpy/matrixlib

行列クラスですが, 最新 numpy ではもうあまり必要がないっぽい機能のようです.

最近では _multiarray_umath に変わっています.

ソースコードには特に記述がないのですが, umath = ufunc 形式の math(ufunc = universal function) = universal math っぽいようです.

基本的には配列などに一括して適用して処理を早くする感じです.
python のテンプレートから .c を吐いています.

昔は別パッケージだったようで, import error の原因にもなっています.

Writing your own ufunc
https://numpy.org/doc/stable/user/c-info.ufunc-tutorial.html

fft や random あたりは移植や機能切り出し用意でしょうが, ufunc(umath) や Pure python な部分はめんどそうです(e.g. polynomial, einsum)