NumPy 1.3.0 版本说明#

此小版本包含许多错误修复、正式支持 Python 2.6 以及一些新功能，例如泛化 ufunc。

亮点#

Python 2.6 支持#

现在所有以前支持的平台（包括 Windows）都支持 Python 2.6。

https://pythonlang.cn/dev/peps/pep-0361/

泛化 ufunc#

正如 https://scipy.org.cn/scipy/numpy/wiki/GeneralLoopingFunctions 中所解释的，普遍需要不仅循环遍历标量上的函数，还需要循环遍历向量（或数组）上的函数。我们建议通过泛化通用函数 (ufunc) 来实现这一概念，并提供一个 C 实现，该实现向 NumPy 代码库添加了约 500 行代码。在当前（专用）ufunc 中，基本函数仅限于逐元素操作，而泛化版本支持“子数组”与“子数组”的操作。Perl 向量库 PDL 提供了类似的功能，其术语在以下内容中被重复使用。

每个泛化 ufunc 都与之关联的信息，说明输入的“核心”维度是什么，以及输出的相应维度（逐元素 ufunc 具有零核心维度）。所有参数的核心维度的列表称为 ufunc 的“签名”。例如，ufunc numpy.add 的签名为“(),()->()”，它定义了两个标量输入和一个标量输出。

另一个例子是（参见 GeneralLoopingFunctions 页面）函数 inner1d(a,b)，其签名为“(i),(i)->()”。这将沿每个输入的最后一个轴应用内积，但保持其余索引不变。例如，如果 a 的形状为 (3,5,N)，b 的形状为 (5,N)，则这将返回形状为 (3,5) 的输出。底层基本函数被调用 3*5 次。在签名中，我们为每个输入指定一个核心维度“(i)”和零核心维度“()”作为输出，因为它接受两个一维数组并返回一个标量。通过使用相同的名称“i”，我们指定两个对应的维度应该具有相同的大小（或其中一个的大小为 1，并将被广播）。

核心维度之外的维度称为“循环”维度。在上面的例子中，这对应于 (3,5)。

通常的 NumPy“广播”规则适用，其中签名确定每个输入/输出对象的维度如何被分成核心维度和循环维度。

如果输入数组的维度小于对应的核心维度数，则会在其形状前添加 1。核心维度将从所有输入中移除，并且剩余维度将被广播；定义循环维度。输出由循环维度加上输出核心维度给出。

实验性的 Windows 64 位支持#

NumPy 现在可以在 Windows 64 位系统上构建（仅限 amd64，不包括 IA64），可以使用 MS 编译器和 mingw-w64 编译器。

这纯属实验性：请勿用于生产环境。有关限制以及如何自行构建的更多信息，请参见 INSTALL.txt 中的 Windows 64 位部分。

新功能#

格式问题#

浮点数格式现在由 NumPy 处理，而不是由 C 运行时处理：这使得格式与区域设置无关，并且使 fromstring 和相关方法更加健壮。特殊值（inf 和 nan）在不同平台上的也更加一致（nan vs IND/NaN 等），并且与最近的 Python 格式化工作（在 2.6 及更高版本中）更加一致。

max/min 中的 NaN 处理#

最大/最小 ufunc 现在可靠地传播 NaN。如果其中一个参数是 NaN，则返回 NaN。这会影响 np.min/np.max、amin/amax 和数组方法 max/min。已添加新的 ufunc fmax 和 fmin 来处理非传播 NaN。

sign 中的 NaN 处理#

ufunc sign 现在对 NaN 的符号返回 NaN。

新的 ufunc#

  1. fmax - 与整数类型和非 NaN 浮点数的最大值相同。如果一个参数是 NaN，则返回非 NaN 参数；如果两个参数都是 NaN，则返回 NaN。

  2. fmin - 与整数类型和非 NaN 浮点数的最小值相同。如果一个参数是 NaN，则返回非 NaN 参数；如果两个参数都是 NaN，则返回 NaN。

  3. deg2rad - 将度转换为弧度，与 radians ufunc 相同。

  4. rad2deg - 将弧度转换为度，与 degrees ufunc 相同。

  5. log2 - 以 2 为底的对数。

  6. exp2 - 以 2 为底的指数。

  7. trunc - 将浮点数截断为最接近零的整数。

  8. logaddexp - 将存储为对数的数字相加并返回结果的对数。

  9. logaddexp2 - 将存储为以 2 为底的对数的数字相加并返回结果的以 2 为底的对数。

掩码数组#

一些新功能和错误修复，包括

  • 结构化数组现在应该完全受 MaskedArray 支持 (r6463, r6324, r6305, r6300, r6294…)

  • 次要错误修复 (r6356, r6352, r6335, r6299, r6298)

  • 改进的 __iter__ 支持 (r6326)

  • 使基类、共享掩码和硬掩码对用户可见（但只读）

  • 文档更新

Windows 上的 Gfortran 支持#

现在可以使用 Gfortran 作为 Windows 上 NumPy 的 Fortran 编译器，即使 C 编译器是 Visual Studio（VS 2005 及更高版本；VS 2003 将不起作用）。Gfortran + Visual Studio 不适用于 Windows 64 位系统（但 gcc + gfortran 可行）。目前尚不清楚在 x64 上是否完全可以使用 Gfortran 和 Visual Studio。

Windows 二进制文件的 arch 选项#

现在可以从命令行绕过自动架构检测，以安装超级包。

numpy-1.3.0-superpack-win32.exe /arch=nosse

将安装一个可在任何 x86 上运行的 NumPy，即使运行的计算机支持 SSE 集。

已弃用的功能#

直方图#

直方图的语义已修改，以修复与异常值处理相关的长期存在的问题。主要变化包括：

  1. 现在包含最右端边缘的仓边界的定义，以及

  2. 对上限异常值的处理，现在忽略而不是计入最右边的仓。

可以使用 new=False 访问之前的行为，但这已弃用，并将完全在 1.4.0 中删除。

文档更改#

添加了许多文档。用户指南和参考都可以从 Sphinx 构建。

新的 C API#

多维数组 API#

以下函数已添加到多维数组 C API 中：

  • PyArray_GetEndianness：获取运行时字节序

Ufunc API#

以下函数已添加到 ufunc API 中：

  • PyUFunc_FromFuncAndDataAndSignature：声明更通用的 ufunc（泛化 ufunc）。

新的定义#

通过 numpy/npy_cpu.h 提供了适用于特定架构代码的新公共 C 定义。

  • NPY_CPU_X86：x86 架构（32 位）

  • NPY_CPU_AMD64：amd64 架构（x86_64，不包括 Itanium）

  • NPY_CPU_PPC：32 位 ppc

  • NPY_CPU_PPC64：64 位 ppc

  • NPY_CPU_SPARC：32 位 sparc

  • NPY_CPU_SPARC64：64 位 sparc

  • NPY_CPU_S390：S390

  • NPY_CPU_IA64：ia64

  • NPY_CPU_PARISC：PARISC

还添加了用于 CPU 字节序的新宏（有关详细信息，请参见下面的内部更改）。

  • NPY_BYTE_ORDER：整数

  • NPY_LITTLE_ENDIAN/NPY_BIG_ENDIAN 定义

这些为没有 glibc endian.h 宏的平台提供了可移植的替代方案。

可移植的 NAN、INFINITY 等#

npy_math.h 现在提供了一些可移植的宏来获取 NAN、INFINITY。

  • NPY_NAN：等效于 NAN，它是 GNU 扩展

  • NPY_INFINITY：等效于 C99 INFINITY

  • NPY_PZERO、NPY_NZERO：分别为正零和负零

相应的单精度和扩展精度宏也可用。为了保持一致性，所有对 NAN 的引用或对 NAN 的即时生成的计算均已删除。

内部更改#

numpy.core 数学配置改进#

这应该使向新平台移植更容易且更健壮。特别是，配置阶段不需要在目标平台上执行任何代码，这是迈向交叉编译的第一步。

https://numpy.com.cn/neps/nep-0003-math_config_clean.html

umath 重构#

对 umath/ufunc 代码进行了大量代码清理 (charris)。

构建警告改进#

Numpy现在可以使用-W -Wall参数编译而不会产生警告

https://numpy.com.cn/neps/nep-0002-warnfix.html

独立的核心数学库#

核心数学函数（sin、cos等…用于基本C类型）已被放入一个单独的库中；它充当兼容性层，以支持大多数C99数学函数（目前仅限于实数）。该库包含针对各种数学函数的特定于平台的修复，例如使用这些版本应该比直接使用平台函数更健壮。现有函数的API与C99数学函数API完全相同；唯一的区别是npy前缀（npy_cos vs cos）。

1.4.0版本将向任何扩展提供核心库。

CPU架构检测#

npy_cpu.h定义了NumPy特定的CPU定义，例如NPY_CPU_X86等…这些定义在操作系统和工具链之间是可移植的，并在解析头文件时设置，因此即使在交叉编译（在构建NumPy时不设置值）或多架构二进制文件（例如Max OS X上的胖二进制文件）的情况下也可以安全使用。

npy_endian.h定义了NumPy特定的字节序定义，其模型基于glibc endian.h。NPY_BYTE_ORDER等效于BYTE_ORDER，并且定义了NPY_LITTLE_ENDIAN或NPY_BIG_ENDIAN之一。对于CPU架构，这些定义在编译器解析头文件时设置，因此可用于交叉编译和多架构二进制文件。