为 Python 生成 PyArmadillo 计算库

Python目前有很多科学计算库，其中最著名的是NumPy和SciPy。然而，这些库在代数运算和使用语法方面往往过于繁琐，并且无法直观地管理其中的数据类型。因此，以Armadillo为底层的PyArmadillo库就是基于此，像Matlab、Octave一样重构了易用的语法。另外，由于pybind11的使用比较简单，PyArmadillo使用pybind11来链接C++和Python。这个库最近正式发布了。

1、PyArmadillo的研发经历

Armadillo 是一个与 C++ 中的 Eigen 并驾齐驱的科学计算库。它以简单易用而受到程序员和科学家的青睐。也得到了Facebook、NASA、波音、西门子、德意志银行、麻省理工学院、CMU、斯坦福等公司的支持，被公司和大学广泛使用。此外，Armadillo 与 Rcpp 的主要作者共同开发了 RcppArmadillo，它是 R 语言中最重要的科学计算库，在 Github 上每月有 972,000 次下载。此外，Armadillo 作为知名开源机器学习库 mlpack 的主要依赖之一，也备受关注。

Data61 实习生 Jason Rumengan 在昆士兰科技大学 (QUT) 和新南威尔士大学 (UNSW) 本科学习期间，在 Armadillo 主要作者 Conrad Sanderson 的指导下，开发了 PyArmadillo 库。在 PyArmadillo 中，Terry 受 Conrad 邀请，与 Jason 一起开发了两种类型的 mat 和 cube，都是中国的。 Jason主要负责mat部分和编译，Terry主要负责cube部分、文档和测试。

项目地址：
。

具体来说，PyArmadillo 是一个强调易用性的 Python 语言的线性代数库。该库旨在提供类似于 Matlab 或 Octave 的高级语法和功能，使用户能够以熟悉和自然的方式表达数学运算。

PyArmadillo 还提供了矩阵和立方体的对象，以及 200 多个用于将数据存储在对象中的相关函数。所有功能都以平面结构提供，并支持整数、浮点数和复数。该库集成了LAPACK或IntelMKL、OpenBLAS等高性能替代方案，从而提供了多种矩阵分解。

2、安装指南

PyArmadillo 库的具体用例如下图所示：

安装 PyArmadillo 需要满足以下要求：

大于 Python3.6，推荐为 3.8 及以上；

支持至少 C++ 11 标准的 C++ 编译器；

至少 8G RAM；

64-bit 的 CPU, 最好 4 核以上；

安装之前已安装好 OpenBLAS 和 LAPACK。

3、目前支持的操作系统

Linux；

MacOS；

Window x64 (x86 暂不支持)。

当前 PyArmadillo 仅为 MVP（minimum viable product），更多的功能还在开发当中。