1回答

liuyubobobo

2020-04-07

已采纳

1

np.argsort 的时间复杂度是 O(nlogn)，应该把这个复杂度考虑进去。

2

我没有研究过 numpy 的源码，刚才简单看了一下，我想关键还是在于包装的层次太多，导致不好理解。

对于 numpy 来说，它不仅仅是简单处理一维数组，他要处理高维数组的情况；它不仅仅只是处理数字，他要处理复数的情况；它还要考虑 nan 等特殊的边界，等等等，更不用提 numpy 还包装了诸如 masked array 等等更多的概念。这些集合在一起，使得核心算法隐藏在很深的地方，外面包含有大量的预处理内容。这些内容必须了解整个源码的设计模式才能理解。numpy 官方的这份文档是了解 numpy 整体设计架构的好地方：https://github.com/numpy/numpy/tree/master/doc/source/reference

更重要的是，为了性能考虑，numpy 底层完全是使用 C 语言写的，py 只不过是一层上层的包装。所以，很多核心函数，都要到底层 C 语言部分找。比如你说的 argsort，我溯源了一下，它的核心调用在这里：https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/methods.c 注意，这是一个 C 代码，1378 行的位置。

其中调用的 PyArray_ArgSort，核心实现在这里：https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/item_selection.c 1389 的位置。这里还是 C 代码。

在这里，你就可以看到我们熟悉的排序算法的名字了。这些排序算法的实现在这里：https://github.com/numpy/numpy/tree/master/numpy/core/src/npysort 还是 C 代码。

整体，numpy，包括 sklearn 等库，我认为不是特别适合做底层源码学习。实际上我平时很少看 Python 的这种库的源码，这和 Java 的标准库实现，或者 Java 的某个框架的源码，或者安卓某个组件的源码，完全不是一回事儿。当然，如果感兴趣，研究一下挺好，但恐怕和机器学习没什么关系，而且也超出我的能力范围了。

继续加油！：）

2

1

刘刘刘刘刘英迪

非常感谢老师耐心、细致的解答。那我也不研究python的底层了，主要聚焦在ML算法就好了。非常感谢老师！

2020-04-07

共1条回复