to post messages and comments.

есть ли потери производительности, если использовать ctypes для работы с сишной либой (по сравнению с тем же swig'ом), и, если да, то насколько серьёзные?
ссылки на годные benchmark'и тоже годятся)

Как оказалось, сборка NumPy и SciPy для 64-битной Windows — очень огромная проблема, требующая кросскомпилирования, сначало под линуксом, потом в винде. В общем, поискав малость, нашел репозиторий уже готовых установочных файлов научных и не только библиотек, для Windows для разных версий языка, и для обоих платформ 32 и 64 бита. Ссылочка: lfd.uci.edu И выражаю благодарность, автору этого репозитория.

есть 2 массива размерности (дохрена, 3) и функция, которой надо 2 массива (3,). как бы из этого сделать одну табличку (дохрена1, дохрена2) с соответствующими значениями функции для пар из данных массивов?
интересует более красивое решение, чем заполнение по строчкам, если есть. мб что-то насчет таинства vectorize

В течение часа упорно втыкался в """ImportError: /usr/local/lib/python2.6/dist-packages/numpy/core/multiarray.so: undefined symbol: _PyUnicodeUCS4_IsWhitespace""". Забавно, оказалось, что numpy я последний раз собирал с unladen swallow, будь она неладна.

Есть в numpy structured arrays: вроде многомерный, ан нет — одномерный с многомерным dtype. Эту хрень иногда отдает pyfits, слайсы тут не работают. Нужно его раздербанить на действительно одномерные массивы. Решение в лоб — zip(*strarr) — занимает всю память и несколько минут. Час гугления — и вот решение: nparr = strarr.view('>f8').reshape(-1,3). Оригинальный dtype: [('Wave', '>f8'), ('Flux', '>f8'), ('Sigm', '>f8')]. Сводим dtype к вменяемому, получая действительно одномерный массив и делаем reshape до трехмерного массива. Теперь можно слайсить на здоровье.