pydata/numexpr

这是什么？

核心功能

• 01无需为中间结果分配临时数组即可计算数组表达式。
• 02将计算切分为适合缓存的数据块，并分配到多个 CPU 核心。
• 03支持常见数学函数和字符串数组比较。
• 04可选 Intel MKL/VML 加速超越函数计算。
• 05可通过 pip 或 conda 安装。

适用场景

• 加速 NumPy 大数组的逐元素计算。
• 在大数组上进行条件筛选或计算，例如 Pandas 或 PyTables 中的查询。
• 降低数值计算代码中的内存占用。

快速上手

1. 1

   使用 pip 从 PyPI 安装

   pip install numexpr
2. 2

   如果使用 Anaconda 或 Miniconda，也可以用 conda 安装

   conda install numexpr
3. 3

   对 NumPy 数组求值表达式

   python -c "import numpy as np, numexpr as ne; a = np.arange(1e6); print(ne.evaluate('a + 1'))"

使用前须知

• !对于非常简单的表达式加速有限，且最适合处理大数组。
• !通过 pip 安装的 wheel 不包含 Intel MKL 支持；只有 NumPy 使用 MKL 时，conda 版本才包含。
• !项目正在寻求资金支持，长期维护存在不确定性。

标签

常见问题

numexpr 是什么？

面向 NumPy 的快速数组表达式求值库，分块并行计算，减少内存占用。 NumExpr 用于在 NumPy 数组上求值数值表达式，例如 '3*a+4*b'，相比直接用 Python 计算更快，也更省内存。它不为中间结果分配临时数组，并将数据切分成能放入 CPU 缓存的小块进行处理。

numexpr 可以免费使用吗？用的什么许可证？

numexpr 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

numexpr 还在维护吗？

活跃维护中。numexpr 最近一次提交是在 2026年10月13日。

numexpr 适合用来做什么？

加速 NumPy 大数组的逐元素计算。 在大数组上进行条件筛选或计算，例如 Pandas 或 PyTables 中的查询。 降低数值计算代码中的内存占用。

numexpr 怎么安装和运行？

使用 pip 从 PyPI 安装: pip install numexpr 如果使用 Anaconda 或 Miniconda，也可以用 conda 安装: conda install numexpr 对 NumPy 数组求值表达式: python -c "import numpy as np, numexpr as ne; a = np.arange(1e6); print(ne.evaluate('a + 1'))"

在哪里获取 numexpr？

源代码和安装说明在 GitHub 上：https://github.com/pydata/numexpr