用于C ++的NumPy风格的数组？
有没有任何C + +（或C）库有类似NumPy的数组，支持切片，vector化操作，逐个元素添加和减less内容等。
这里有几个免费的软件可以满足你的需求。
-
GNU科学图书馆是用C编写的GPL软件。因此，它具有类似于C的分配和编程方式（指针等）。 使用GSLwrap ，您可以使用C ++编程方式，同时仍然使用GSL。 GSL有一个BLAS实现，但是如果你想要更多的表演，你可以使用ATLAS而不是默认的CBLAS。
-
boost / uBLAS库是一个BSL库，用C ++编写，并作为boost包分发。 这是一个C ++实现BLAS标准的方式。 uBLAS带有一些线性代数函数，并且有对ATLAS的实验性绑定 。
-
eigen是一个线性代数库，用C ++编写，分布在LGPL3（或GPL2）下。 这是一种C ++编程方式，但是比其他两种方法（更多的algorithm和数据结构可用）更集成。 Eigen 声称要比上面的BLAS实现更快 ，而不遵循事实上的标准BLAS API。 Eigen似乎并没有在并行实施方面付出很多努力。
-
Armadillo是在C ++中的LGPL3库。 它绑定了LAPACK （numpy使用的库）。 它使用recursion模板和模板元编程，这是一个很好的观点（我不知道其他库是否也这样做？）。
如果你只是想获得数据结构和基本的线性代数，这些select是非常好的。 根据您对风格，许可证或系统pipe理员挑战的喜好（安装像LAPACK这样的大型图书馆可能比较困难），您可以select最适合您的需求。
试试xtensor 。
xtensor是一个C ++库，用于使用multidimensional arrayexpression式进行数值分析。
xtensor提供
- 一个可扩展的expression系统，使numpy式广播。
- 一个遵循C ++标准库的习惯用法的API。
- 工具来操作数组expression式和构buildxtensor。
例
初始化一个二维数组并计算其中一行和一维数组的总和。
#include <iostream> #include "xtensor/xarray.hpp" #include "xtensor/xio.hpp" xt::xarray<double> arr1 {{1.0, 2.0, 3.0}, {2.0, 5.0, 7.0}, {2.0, 5.0, 7.0}}; xt::xarray<double> arr2 {5.0, 6.0, 7.0}; xt::xarray<double> res = xt::view(arr1, 1) + arr2; std::cout << res;
输出
{7, 11, 14}
初始化一维数组并重新定位。
#include <iostream> #include "xtensor/xarray.hpp" #include "xtensor/xio.hpp" xt::xarray<int> arr {1, 2, 3, 4, 5, 6, 7, 8, 9}; arr.reshape({3, 3}); std::cout << arr;
输出
{{1, 2, 3}, {4, 5, 6}, {7, 8, 9}}
除此之外，DyND被devise为一个类似于NumPy的C ++库。 像广播，算术运算符和切片一切工作正常。 另一方面，它还是很实验性的，还有很多function还没有实现。
下面是使用DyND数组在C ++中实现de Casteljaualgorithm的简单实现：
#include <iostream> #include <dynd/array.hpp> using namespace dynd; nd::array decasteljau(nd::array a, double t){ size_t e = a.get_dim_size(); for(size_t i=0; i < e-1; i++){ a = (1.-t) * a(irange()<(ei-1)) + t * a(0<irange()); } return a; } int main(){ nd::array a = {1., 2., 2., -1.}; std::cout << decasteljau(a, .25) << std::endl; }
我稍微写了一篇博文 ，提供了更多的例子，并且比较了Fortran 90，C ++中的DyND和Python中的NumPy的语法。
免责声明：我是现在的DyND开发人员之一。
Eigen是一个很好的线性代数库。
http://eigen.tuxfamily.org/index.php?title=Main_Page
由于它是仅包含标题的库，因此安装起来非常简单。 它依靠模板来生成优化的代码。 它自动vector化matrix运算。
它也完全支持系数明智的操作，例如两个matrix之间的“每元素乘法”。 这是你需要的？
Eigen是线性代数（matrix，向量…）的模板库。 这是只有头和免费使用（LGPL）。
GSL是伟大的，它完成了你所要求的和更多。 它是在GPL下授权的。
Blitz ++支持具有任意轴数的数组，而犰狳只支持三个（向量，matrix和立方体）。 Eigen只支持向量和matrix（不是立方体）。 缺点是Blitz ++除了基本的入门操作和张量收缩之外没有线性代数函数。 相当一段时间以来，发展似乎已经放缓，但也许这只是因为图书馆做了什么，而不需要做太多的改变。
VIGRA包含一个很好的N维数组实现：
http://ukoethe.github.io/vigra/doc/vigra/Tutorial.html
我广泛使用它，并发现它非常简单和有效。 它也只是头文件，所以很容易整合到你的开发环境中。 这是我使用NumPy来处理API的最接近的东西。
主要的缺点是它没有被广泛使用，所以你在网上找不到太多的帮助。 那个，它的名字很尴尬（试着search一下！）
虽然GLM被devise成可以很容易地与OpenGL和GLSL进行网格化，但它是一个function齐全的头文件，只有C ++的math库和一组非常直观的接口。
它声明vector和matrixtypes以及对它们的各种操作。
乘以两个matrix就像（M1 * M2）一样简单。 减去两个vector（V1-V2）。
访问向量或matrix中包含的值同样简单。 例如，在声明一个vec3向量之后，可以使用vector.x访问它的第一个元素。 一探究竟。
所有这些都可以使用作为大多数编译器实现的一部分的标准模板库（STL）。 你看过STL吗？
