使用NumPy数组函数遇NameError错误，求解决及优化方法

错误原因与修复 #

你碰到的NameError: name 'np' is not defined是因为没提前导入NumPy库。使用np.array()创建数组前，必须先导入NumPy并设置别名np。

修正后的完整代码：

import numpy as np  # 新增导入语句

a = np.array([12, 10, 13.1])
b = np.array([11.12, 19.01, 23.11])

c = a - b
print(c)

d = a * b
print(d)

运行后会输出正确的逐元素运算结果：

[ 0.88 -9.01 -10.01]
[133.44 190.1  302.741]

优化数组运算的实用技巧 #

• 指定数据类型减少内存开销：创建数组时通过dtype参数指定合适的类型（比如用float32替代默认的float64），既能节省内存，也能提升运算速度：

  a = np.array([12, 10, 13.1], dtype=np.float32)
  b = np.array([11.12, 19.01, 23.11], dtype=np.float32)
  

• 全程用向量化操作：绝对避免用Python循环遍历数组元素，NumPy的所有内置运算（加减乘除、聚合等）都是底层优化的向量化操作，速度比手动循环快几十倍甚至上百倍。
• 优先用NumPy内置函数：比如求和用np.sum(a)、求均值用np.mean(a)，这些函数都是C语言实现的，效率远高于自己写Python逻辑。
• 减少不必要的数组复制：用out参数指定输出数组，避免额外的内存分配：

  c = np.empty_like(a)
  np.subtract(a, b, out=c)  # 直接把结果写入预先创建的c数组
  

• 用视图代替副本：操作数组子集时，用切片生成视图（比如a[1:]），而不是复制数据，能大幅节省内存和时间。

内容的提问来源于stack exchange，提问作者adams panyi