PyO3/rust-numpy

它是什么

rust‑numpy 是一个 Rust 库，允许您从 Rust 调用 NumPy 的 C‑API，并且还可以将 Rust 函数暴露为 Python 模块。实际上，它连接了两个生态系统：您可以编写与 NumPy 数组配合的高性能 Rust 代码，也可以用 Rust 编写 Python 扩展。

为什么重要

• 速度与安全 – Rust 提供零成本抽象和内存安全保证，同时能够操作 NumPy 使用的相同 ndarray 结构。
• 无缝互操作 – 无需手动指针操作；该 crate 提供了安全包装器（PyArray、PyReadonlyArray 等），可与 Rust 的 ndarray 类型相互转换。
• 双向支持 – 您可以：
  1. 用 Rust 编写 Python 模块（暴露接受/返回 NumPy 数组的 #[pyfunction]），或
  2. 从 Rust 二进制文件驱动 Python/NumPy（嵌入解释器，调用 np 函数，读取结果）。
• 利用现有 crate – 基于 PyO3 用于 Python 绑定，ndarray 用于 Rust 端矩阵处理。

核心功能（如 README 所述）

功能	您获得的内容
NumPy C‑API 绑定	直接访问 NumPy 数组，无需复制数据。
安全 Rust 包装器	类型如 PyArrayDyn<T>、PyReadonlyArrayDyn<T>、IntoPyArray，以及借用方法（as_array、as_array_mut）。
自动转换	通过 into_pyarray 和 as_array 在 ndarray::Array* 和 NumPy 数组之间转换。
示例	简单模块（axpy、mult）以及嵌入 Python 调用 np.absolute 的示例。
并行与线性代数支持	示例项目展示了使用 rayon 进行并行和 ndarray‑linalg 进行 BLAS/LAPACK 操作。
版本兼容性	支持 Rust ≥ 1.85、Python ≥ 3.9、NumPy ≥ 1.16，以及一系列 ndarray 版本（0.15‑0.17）。

谁适合使用

• 数据科学/机器学习开发者，希望用 Rust 编写性能关键的核，但保持在熟悉的 Python/NumPy 工作流中。
• Rust 开发者，构建 Python 扩展（例如自定义 NumPy ufunc、快速预处理步骤）。
• 研究人员，需要在 Rust 算法和现有 Python 代码库之间进行安全、快速的互操作。

快速入门（简单步骤）

1. 添加到 Cargo.toml：

   [dependencies]
   pyo3 = { version = "0.30", features = ["auto-initialize"] }
   numpy = "0.30"
   

2. 编写一个使用 numpy::{PyArray, PyReadonlyArray, IntoPyArray} 的 Rust 函数，并用 #[pyfunction] 注解。
3. 将 crate 构建为 cdylib，并从 Python 像其他扩展模块一样导入。
4. 或者，编写一个常规的 fn main()，调用 Python::with_gil(|py| { … }) 从 Rust 运行 Python 代码。

限制/注意事项（来自 README）

• 您必须在目标 Python 环境中安装兼容的 NumPy。
• 该 crate 重新导出了 ndarray；如果您依赖不同版本的 ndarray，可能需要使用 cargo update 手动统一版本。
• 在最近的版本（0.29/0.30）中，已放弃对 Python 3.7/3.8 的支持。

社区与贡献

• 欢迎在 GitHub 上提交问题和拉取请求。
• 该项目遵循 PyO3 的贡献指南，并有一个 Gitter 频道供讨论。

---

以上所有信息均直接取自仓库的 README；未添加任何外部假设。