NumPy 1.17.0 版本说明#

此 NumPy 版本包含许多新功能，这些功能应大幅提高其性能和实用性，请参阅下面的“亮点”以了解摘要。支持的 Python 版本为 3.5-3.7，请注意已放弃 Python 2.7。Python 3.8b2 应该可以与发布的源代码包一起使用，但没有未来的保证。

下游开发人员应使用 Cython >= 0.29.11 以获得 Python 3.8 支持，并使用 OpenBLAS >= 3.7（目前尚未发布）以避免在 Skylake 架构上出现问题。PyPI 上的 NumPy 轮子是从 OpenBLAS 开发分支构建的，以避免这些问题。

亮点#

  • 添加了一个新的可扩展的 random 模块，以及四个可选的随机数生成器和改进的种子设计，用于并行进程。当前可用的位生成器是MT19937、PCG64、Philox和SFC64。请参阅下面“新功能”部分。

  • NumPy 的 FFT 实现已从 fftpack 更改为 pocketfft，从而实现了更快、更准确的转换以及对素数长度数据集的更好处理。请参阅下面“改进”部分。

  • 新的基数排序和 timsort 排序方法。目前无法选择使用哪一种。它们与数据类型紧密关联，并且在将 stable 或 mergesort 作为方法传递时使用。请参阅下面“改进”部分。

  • 现在默认情况下可以覆盖 numpy 函数，请参阅下面的 __array_function__。

新函数#

弃用功能#

numpy.polynomial 函数在传递 float 代替 int 时会发出警告#

以前，此模块中的函数如果提供的是整数型浮点数（1.0、2.0 等），则会接受 float 值。为了与 NumPy 的其余部分保持一致，现在已弃用此做法，将来会引发 TypeError。

同样，传递类似 0.5 的浮点数来代替整数现在会引发 TypeError，而不是之前的 ValueError。

弃用 numpy.distutils.exec_command 和 temp_file_name#

这些函数的内部使用已重构，并且有更好的替代方案。将 exec_command 替换为 subprocess.Popen，并将 temp_file_name 替换为 tempfile.mkstemp。

C-API 封装数组的可写标志#

当从 C-API 创建数组以包装指向数据的指针时，我们对数据读写性质的唯一指示是在创建期间设置的 writeable 标志。强制将标志设置为可写是危险的。将来将无法从 python 将可写标志切换为 True。此弃用不应影响许多用户，因为实际上以这种方式创建的数组非常少见，并且只能通过 NumPy C-API 使用。

numpy.nonzero 不应再用于 0d 数组#

numpy.nonzero 在 0d 数组上的行为令人惊讶，使其几乎总是使用不正确。如果预期的旧行为，则可以使用 nonzero(atleast_1d(arr)) 代替 nonzero(arr) 来保留它而不发出警告。在未来的版本中，这很可能会引发 ValueError。

写入 numpy.broadcast_arrays 的结果将发出警告#

通常，numpy.broadcast_arrays 返回具有内部重叠的可写数组，这使得写入不安全。未来的版本将 writeable 标志设置为 False，并要求用户手动将其设置为 True，如果他们确定这就是他们想要做的。现在写入它将发出弃用警告，其中包含设置 writeable 标志为 True 的说明。请注意，如果在设置之前检查标志，会发现它已经为 True。但是，显式设置它（正如在将来的版本中需要做的那样）会清除用于产生弃用警告的内部标志。为了减轻混淆，在访问 writeable 标志状态时，将发出额外的FutureWarning 以阐明这种矛盾。

请注意，对于 C 端缓冲区协议，这样的数组将立即返回只读缓冲区，除非请求可写缓冲区。如果请求可写缓冲区，则会发出警告。使用 cython 时，应将 const 限定符与这些数组一起使用以避免警告（例如 cdef const double[::1] view）。

未来的更改#

在未来的版本中，dtype 中的 shape-1 字段不会折叠为标量#

当前，指定为 [(name, dtype, 1)] 或 "1type" 的字段被解释为标量字段（即与 [(name, dtype)] 或 [(name, dtype, ())] 相同）。这现在会引发 FutureWarning；在未来的版本中，它将被解释为 shape-(1,) 字段，即与 [(name, dtype, (1,))] 或 "(1,)type" 相同（与 [(name, dtype, n)] / "ntype" 与 n>1 相同，这已经等同于 [(name, dtype, (n,)] / "(n,)type"）。

兼容性说明#

float16 次正规舍入#

从不同的浮点精度转换为 float16 在某些极端情况下使用了不正确的舍入。这意味着在极少数情况下，次正规结果现在将向上舍入而不是向下舍入，从而更改结果的最后一位 (ULP)。

使用 divmod 时的带符号零#

从 1.12.0 版本开始，当使用 divmod 和 floor_divide 函数且结果为零时，NumPy 错误地返回了一个负号零。例如：

>>> np.zeros(10)//1
array([-0., -0., -0., -0., -0., -0., -0., -0., -0., -0.])

在此版本中，结果已正确返回为正号零。

>>> np.zeros(10)//1
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

MaskedArray.mask 现在返回掩码的视图，而不是掩码本身#

返回掩码本身是不安全的，因为它可以在原地重新整形，这会违反掩码数组代码的预期。mask 的行为现在与 data 一致，后者也返回一个视图。

如果需要，仍然可以使用 ._mask 访问底层掩码。包含 assert x.mask is not y.mask 或类似内容的测试需要更新。

不要在 numpy.frombuffer 中查找 __buffer__ 属性#

在 numpy.frombuffer 中查找 __buffer__ 属性未在文档中说明且无效。此代码已被删除。如果需要，请改用 frombuffer(memoryview(obj), ...)。

在 take、choose、put 中，out 缓冲区用于处理内存重叠#

如果提供了这些函数的 out 参数并且它与其他参数存在内存重叠，则现在对其进行缓冲以避免依赖于顺序的行为。

加载时的解串需要显式选择加入#

load 和 lib.format.read_array 函数接受一个 allow_pickle 关键字参数，现在默认为 False，以响应 CVE-2019-6446。

旧随机模块中随机流的潜在更改#

由于将 log 应用于随机浮点数的错误，当从 beta、binomial、laplace、logistic、logseries 或 multinomial 采样时，如果底层 MT19937 随机流中生成了 0，则流可能会发生变化。发生这种情况的概率为 \(10^{53}\) 分之一，因此对于任何给定的种子，流发生变化的概率极小。如果在底层生成器中遇到 0，则现在会丢弃产生的错误值（numpy.inf 或 numpy.nan）。

i0 现在始终返回与输入形状相同的输出#

以前，输出会被压缩，例如，只有一个元素的输入将返回一个数组标量，形状为 (10, 1) 的输入将产生不能与输入广播的结果。

请注意，我们通常建议使用 SciPy 实现而不是 NumPy 实现：它是一个用 C 编写的正确的 ufunc，速度快了一个数量级以上。

can_cast 不再假设所有不安全转换都是允许的#

以前，对于 casting='unsafe'，can_cast 几乎对所有输入都返回 True，即使在无法进行转换的情况下，例如从结构化 dtype 转换为常规 dtype。这个问题已得到修复，使其与使用例如 .astype 方法的实际转换更加一致。

ndarray.flags.writeable 可以更频繁地切换为 true#

在极少数情况下，虽然基数组是可写的，但无法将数组从不可写切换为可写。如果中间 ndarray.base 对象是可写的，则可能会发生这种情况。以前，只有最深层的基对象被考虑用于此决策。但是，在极少数情况下，此对象没有必要的信息。在这种情况下，永远不允许切换为可写。这个问题现在已得到修复。

C API 更改#

维度或步长输入参数现在通过 npy_intp const* 传递#

以前，这些函数参数被声明为更严格的 npy_intp*，这阻止了调用者传递常量数据。此更改向后兼容，但现在允许如下代码：

npy_intp const fixed_dims[] = {1, 2, 3};
// no longer complains that the const-qualifier is discarded
npy_intp size = PyArray_MultiplyList(fixed_dims, 3);

新功能#

具有可选随机数生成器的新的可扩展 numpy.random 模块#

添加了一个新的可扩展 numpy.random 模块，以及四个可选的随机数生成器和改进的种子设计，用于并行进程。当前可用的 位生成器是 MT19937、PCG64、Philox 和 SFC64。PCG64 是新的默认值，而 MT19937 保留用于向后兼容性。请注意，旧的随机模块保持不变，现在已冻结，您的当前结果不会改变。更多信息可在 API 更改说明 和 顶级视图 文档中找到。

libFLAME#

支持使用 libFLAME 线性代数包作为 LAPACK 实现来构建 NumPy，有关详细信息，请参见 libFLAME。

用户定义的 BLAS 检测顺序#

现在，distutils 使用一个环境变量（逗号分隔，不区分大小写）来确定 BLAS 库的检测顺序。默认情况下，NPY_BLAS_ORDER=mkl,blis,openblas,atlas,accelerate,blas。但是，要强制使用 OpenBLAS，只需执行以下操作：

NPY_BLAS_ORDER=openblas python setup.py build

这将强制使用 OpenBLAS。对于那些安装了 MKL 但希望尝试不同实现的用户来说，这可能很有帮助。

用户自定义 LAPACK 检测顺序#

numpy.distutils 现在使用一个环境变量（逗号分隔，不区分大小写）来确定 LAPACK 库的检测顺序。默认情况下，NPY_LAPACK_ORDER=mkl,openblas,flame,atlas,accelerate,lapack。但是，要强制使用 OpenBLAS，只需执行以下操作：

NPY_LAPACK_ORDER=openblas python setup.py build

这将强制使用 OpenBLAS。对于那些安装了 MKL 但希望尝试不同实现的用户来说，这可能很有帮助。

Timsort 和基数排序已取代归并排序用于稳定排序#

基数排序和 Timsort 都已实现，现在已取代归并排序。由于需要保持向后兼容性，排序 kind 选项 "stable" 和 "mergesort" 已成为彼此的别名，实际的排序实现取决于数组类型。对于大小为 16 位或更小的整型，使用基数排序；对于其余类型，使用 Timsort。Timsort 在包含已排序或接近已排序数据的数据上的性能有所提高，在随机数据上的性能与归并排序类似，并且需要 \(O(n/2)\) 的工作空间。Timsort 算法的详细信息可在 CPython listsort.txt 中找到。

packbits 和 unpackbits 接受 order 关键字#

order 关键字默认为 big，并将相应地对 **位** 进行排序。对于 'order=big'，3 将变为 [0, 0, 0, 0, 0, 0, 1, 1]，而对于 order=little，则为 [1, 1, 0, 0, 0, 0, 0, 0]。

unpackbits 现在接受 count 参数#

count 允许预先对将要解压的位数进行子集选择，而不是稍后进行重塑和子集选择，从而使 packbits 操作可逆，并减少解压的浪费。大于可用位数的计数将添加零填充。负计数将从末尾修剪位，而不是从开头计数。None 计数将实现解压所有内容的现有行为。

linalg.svd 和 linalg.pinv 在 Hermitian 输入上的速度可能更快#

这些函数现在接受 hermitian 参数，与 1.14.0 中添加到 linalg.matrix_rank 的参数匹配。

现在支持两个 timedelta64 操作数的 divmod 操作#

divmod 运算符现在处理两个 timedelta64 操作数，类型签名为 mm->qm。

fromfile 现在接受 offset 参数#

此函数现在为二进制文件接受 offset 关键字参数，该参数指定文件当前位置的偏移量（以字节为单位）。默认为 0。

为 pad 新增模式“empty”#

此模式将数组填充到所需形状，但不初始化新条目。

浮点标量实现 as_integer_ratio 以匹配内置浮点数#

这将返回一个 (分子，分母) 对，可用于构造 fractions.Fraction。

结构化 dtype 对象可以用多个字段名称进行索引#

arr.dtype[['a', 'b']] 现在返回一个与 arr[['a', 'b']].dtype 等效的 dtype，以与 arr.dtype['a'] == arr['a'].dtype 保持一致。

与用字段列表索引的结构化数组的 dtype 一样，此 dtype 的 itemsize 与原始 dtype 相同，但只保留一部分字段。

这意味着 arr[['a', 'b']] 和 arr.view(arr.dtype[['a', 'b']]) 是等效的。

.npy 文件支持 Unicode 字段名称#

引入了新的 3.0 格式版本，它支持具有非 latin1 字段名称的结构化类型。在需要时会自动使用此版本。

改进#

数组比较断言包括最大差异#

来自数组比较测试（例如 testing.assert_allclose）的错误消息现在除了之前的“不匹配”百分比外，还包括“最大绝对差”和“最大相对差”。此信息使更新绝对和相对误差容限更容易。

用 pocketfft 库替换基于 fftpack 的 fft 模块#

两种实现都具有相同的祖先（Paul N. Swarztrauber 编写的 Fortran77 FFTPACK），但 pocketfft 包含额外的修改，在某些情况下可以提高精度和性能。对于包含大素数因子的 FFT 长度，pocketfft 使用 Bluestein 算法，该算法保持 \(O(N log N)\) 的运行时间复杂度，而不是对于素数长度退化为 \(O(N*N)\)。此外，对于具有接近素数长度的实值 FFT 的精度也得到了提高，并且与复值 FFT 的精度相当。

进一步改进 numpy.ctypeslib 中的 ctypes 支持#

添加了一个新的 numpy.ctypeslib.as_ctypes_type 函数，可用于将 dtype 转换为最佳猜测的 ctypes 类型。由于此新函数，numpy.ctypeslib.as_ctypes 现在支持更广泛的数组类型，包括结构体、布尔值和非原生字节序的整数。

numpy.errstate 现在也是一个函数装饰器#

目前，如果您有一个像这样的函数：

def foo():
    pass

并且您想用 errstate 包装整个函数，则必须将其改写为：

def foo():
    with np.errstate(...):
        pass

但是通过此更改，您可以执行以下操作：

@np.errstate(...)
def foo():
    pass

从而节省了一个缩进级别。

numpy.exp 和 numpy.log 的 float32 实现速度提升#

exp 和 log 的 float32 实现现在受益于在运行时检测到的 AVX2/AVX512 指令集。exp 的最大 ulp 误差为 2.52，log 的最大 ulp 误差为 3.83。

提高 numpy.pad 的性能#

通过使用预分配数组填充所需填充形状，而不是使用串联，该函数的性能在大多数情况下得到了提高。

numpy.interp 更稳健地处理无穷大#

在某些情况下，interp 以前会返回 nan，现在它返回适当的无穷大。

对 fromfile、tofile 和 ndarray.dump 的 Pathlib 支持#

fromfile、ndarray.ndarray.tofile 和 ndarray.dump 现在支持 pathlib.Path 类型的 file/fid 参数。

针对 bool 和 int 类型的专用 isnan、isinf 和 isfinite ufunc#

布尔型和整型无法存储 nan 和 inf 值，这使我们能够提供比以前的方法快达 250 倍的专用 ufunc。

isfinite 支持 datetime64 和 timedelta64 类型#

以前，当在这些两种类型上使用 isfinite 时，它会引发 TypeError。

向 nan_to_num 添加了新的关键字#

nan_to_num 现在接受关键字 nan、posinf 和 neginf，允许用户定义分别替换 nan、正无穷大和负无穷大的值。

由分配过大的数组引起的 MemoryError 描述更加清晰#

MemoryError 的原因通常是不正确的广播，这会导致非常大且不正确的形状。错误消息现在包含此形状，以帮助诊断故障原因。

floor、ceil 和 trunc 现在遵守内置魔术方法#

当在对象数组上调用这些 ufunc 时，它们现在会调用 __floor__、__ceil__ 和 __trunc__ 方法，使其与 decimal.Decimal 和 fractions.Fraction 对象兼容。

quantile 现在适用于 fraction.Fraction 和 decimal.Decimal 对象#

通常，这更优雅地处理对象数组，如果使用精确算术类型，则避免浮点运算。

在 matmul 中支持对象数组#

现在可以使用 matmul（或 @ 运算符）与对象数组。例如，现在可以执行以下操作：

from fractions import Fraction
a = np.array([[Fraction(1, 2), Fraction(1, 3)], [Fraction(1, 3), Fraction(1, 2)]])
b = a @ a

更改#

median 和 percentile 函数系列不再发出关于 nan 的警告#

numpy.median、numpy.percentile 和 numpy.quantile 以前会在遇到 nan 时发出 RuntimeWarning。由于它们返回 nan 值，因此警告是多余的，已被删除。

调整了timedelta64 % 0的行为，使其返回NaT#

当使用模运算且两个操作数均为np.timedelta64时，如果除数为零，则现在返回NaT，而不是返回零。

NumPy 函数现在始终支持使用__array_function__进行覆盖#

如NEP 18中所述，NumPy 现在始终检查__array_function__方法，以实现对非NumPy数组上的NumPy函数的覆盖。此功能在NumPy 1.16中（如果设置了相应的环境变量）可用作测试，但现在始终启用。

lib.recfunctions.structured_to_unstructured不再压缩单字段视图#

之前structured_to_unstructured(arr[['a']])会产生一个压缩的结果，这与structured_to_unstructured(arr[['a', b']])不一致。这是意外的。可以使用structured_to_unstructured(arr[['a']]).squeeze(axis=-1)（或者更简单的arr['a']）来保留旧的行为。

clip现在内部使用ufunc#

这意味着通过descr->f->fastclip在C中为自定义dtype注册clip函数已弃用——它们应该改用ufunc注册机制，附加到np.core.umath.clip ufunc。

这也意味着clip接受where和casting参数，并且可以使用__array_ufunc__进行覆盖。

此更改的结果是，旧clip的一些行为已被弃用。

  • 传递nan表示“不裁剪”作为上下界之一或两者。无论如何，这在所有情况下都不起作用，可以通过传递适当符号的无穷大来更好地处理。

  • 传递out参数时，默认情况下使用“不安全”转换。显式使用casting="unsafe"将消除此警告。

此外，还有一些行为变化的极端情况。

  • 填充max < min的行为已更改，使其在不同dtype之间更加一致，但不应依赖于此。

  • 标量min和max参与提升规则，就像它们在所有其他ufunc中一样。

__array_interface__偏移量现在按文档说明工作#

该接口可能使用了被错误忽略的offset值。

为force zip64标志将savez中的pickle协议设置为3#

savez没有使用force_zip64标志，这将存档大小限制为2GB。但是，使用该标志需要我们使用pickle协议3来写入object数组。使用的协议已升级到3，这意味着Python 2将无法读取该存档。

使用不存在的字段索引结构化数组将引发KeyError而不是ValueError#

在结构化类型上使用arr['bad_field']将引发KeyError，以与dict['bad_field']保持一致。

本页内容