ndarray Rust 完全指南：N维数组操作与实战示例

1. 什么是 ndarray？为什么需要它？

ndarray 是 Rust 生态系统中用于处理多维数组（N维张量）的标准扩展库。它提供了强大、类型安全且高性能的数据结构，适用于数值计算、线性代数、信号处理、机器学习和科学计算。如果你熟悉 Python 的 NumPy，那么 ndarray 就是 Rust 世界中的直接对应物，但具有严格类型、无垃圾回收和内存控制的优势。

为什么需要它？Rust 本身没有内置对任意维度多维数组的支持。标准向量（Vec<T>）和切片（&[T]）只能处理一维数据。对于需要矩阵代数、卷积、张量运算或图像处理的任务，需要专门的库。ndarray 解决了这些问题，提供了：

类型化的 N 维数组（ArrayBase），支持固定或动态数量的轴。
高效的切片（slicing）、索引和迭代。
向量化算术运算（广播 broadcasting）。
通过 ndarray-linalg 与 BLAS/LAPACK 集成，实现高性能线性代数计算。
通过 rayon 支持并行计算。

该库被广泛应用于 RustML、Linfa（机器学习框架）、Image（图像处理）等项目中，是 Rust 科学计算的基石。

2. 安装 ndarray

使用 Rust 的包管理器 Cargo 安装 ndarray。在项目的 Cargo.toml 文件中添加依赖：

[dependencies]
ndarray = "0.16"

然后在终端中运行：

cargo build

如需线性代数功能（矩阵乘法、特征值等），添加 ndarray-linalg 并选择 BLAS 后端（如 OpenBLAS 或 Intel MKL）：

[dependencies]
ndarray = "0.16"
ndarray-linalg = { version = "0.16", features = ["openblas"] }

如需并行迭代，使用 ndarray-parallel：

[dependencies]
ndarray = "0.16"
ndarray-parallel = "0.16"

3. 快速入门：最小工作示例

创建一个一维数组，执行逐元素加法并输出结果。将以下代码保存到 src/main.rs：

use ndarray::Array;

fn main() {
    // 创建一个包含5个元素的一维数组
    let a = Array::from_vec(vec![1, 2, 3, 4, 5]);
    let b = Array::from_vec(vec![10, 20, 30, 40, 50]);

    // 逐元素加法
    let c = &a + &b;

    println!("a = {:?}", a);
    println!("b = {:?}", b);
    println!("a + b = {:?}", c);
}

运行程序：

cargo run

输出：

a = [1, 2, 3, 4, 5], shape=[5], strides=[1], layout=CFcf (0x1)
b = [10, 20, 30, 40, 50], shape=[5], strides=[1], layout=CFcf (0x1)
a + b = [11, 22, 33, 44, 55], shape=[5], strides=[1], layout=CFcf (0x1)