从源代码构建#

注意

如果您只是想安装 NumPy，我们建议使用二进制文件——有关详细信息，请参阅安装。

从源代码构建 NumPy 需要首先设置系统级依赖项（编译器、BLAS/LAPACK 库等），然后启动构建。构建可以是为了在本地使用而安装 NumPy，开发 NumPy 本身，或构建可再分发二进制包。并且可能需要自定义构建方式的各个方面。本指南将涵盖所有这些方面。此外，它还提供了 NumPy 构建工作原理的背景信息，以及与通用 Python 构建和打包文档相关的最新指南的链接。

从源代码构建 NumPy#

如果您只想从源代码安装 NumPy 一次，而不进行任何开发工作，那么推荐的构建和安装方法是使用 pip。否则，推荐使用 conda。

注意

如果您还没有安装 conda，我们建议使用Miniforge；不过任何 conda 版本都将起作用。

从源代码构建以使用 NumPy#

Conda 环境

如果您正在使用 conda 环境，pip 仍然是您用来从源代码构建 NumPy 的工具。重要的是，始终对 pip install 命令使用 --no-build-isolation 标志，以避免针对 PyPI 中的 numpy wheel 进行构建。为了使其工作，您必须首先将剩余的构建依赖项安装到 conda 环境中

# Either install all NumPy dev dependencies into a fresh conda environment
mamba env create -f environment.yml

# Or, install only the required build dependencies
mamba install python numpy cython compilers openblas meson-python pkg-config

# To build the latest stable release:
pip install numpy --no-build-isolation --no-binary numpy

# To build a development version, you need a local clone of the NumPy git repository:
git clone https://github.com/numpy/numpy.git
cd numpy
git submodule update --init
pip install . --no-build-isolation

警告

在 Windows 上，AR、LD 和 LDFLAGS 环境变量可能已设置，这将导致 pip install 命令失败。这些变量仅对 flang 需要，在运行 pip install 之前可以安全地取消设置。

虚拟环境或系统 Python

# To build the latest stable release:
pip install numpy --no-binary numpy

# To build a development version, you need a local clone of the NumPy git repository:
git clone https://github.com/numpy/numpy.git
cd numpy
git submodule update --init
pip install .

从源代码构建以进行 NumPy 开发#

如果您想从源代码构建以开发 NumPy 本身，请首先克隆 NumPy 仓库

git clone https://github.com/numpy/numpy.git
cd numpy
git submodule update --init

然后您需要执行以下操作

创建一个专用的开发环境（虚拟环境或 conda 环境），
安装所有必需的依赖项（构建，以及测试、文档和可选依赖项），
使用 spin 开发接口构建 NumPy。

步骤 (3) 总是相同的，步骤 (1) 和 (2) 在 conda 和虚拟环境之间有所不同

Conda 环境

要创建一个安装了所有必需和可选依赖项的 numpy-dev 开发环境，请运行

mamba env create -f environment.yml
mamba activate numpy-dev

虚拟环境或系统 Python

注意

有许多工具可以管理虚拟环境，例如 venv、virtualenv/virtualenvwrapper、pyenv/pyenv-virtualenv、Poetry、PDM、Hatch 等。这里我们使用 Python 标准库中自带的基本 venv 工具。您可以使用任何其他工具；我们只需要一个已激活的 Python 环境。

在一个名为 venv 的新目录中创建并激活一个虚拟环境（请注意，确切的激活命令可能因您的操作系统和 shell 而异——请参阅 venv 文档中的“venv 的工作原理”）。

Linux

python -m venv venv
source venv/bin/activate

macOS

python -m venv venv
source venv/bin/activate

Windows

python -m venv venv
.\venv\Scripts\activate

ARM64 上的 Windows

python -m venv venv
.\venv\Scripts\activate

注意

使用 BLAS 和 LAPACK 函数构建 NumPy 需要在运行时使用 OpenBLAS 库。在 ARM64 上的 Windows 中，可以通过为 OpenBLAS 依赖项设置 pkg-config 来实现。ARM64 上的 Windows 版 OpenBLAS 的构建步骤可以在此处找到。

然后使用以下命令从 PyPI 安装 Python 级依赖项

python -m pip install -r requirements/build_requirements.txt

要在已激活的开发环境中构建 NumPy，请运行

spin build

这将在仓库内部安装 NumPy（默认在 build-install 目录中）。然后您可以运行测试 (spin test)、进入 IPython (spin ipython)，或采取其他开发步骤，例如构建 html 文档或运行基准测试。spin 接口是自文档化的，因此请参阅 spin --help 和 spin <subcommand> --help 以获取详细指南。

警告

在 Windows 上已激活的 conda 环境中，AR、LD 和 LDFLAGS 环境变量可能已设置，这将导致构建失败。这些变量仅对 flang 需要，并且可以安全地在构建前取消设置。

IDE 支持和可编辑安装

虽然 spin 接口是我们推荐的 NumPy 开发方式，但它有一个限制：由于自定义安装位置，使用 spin 安装的 NumPy 将不会在 IDE 中自动识别（例如，通过“运行”按钮运行脚本，或可视化设置断点）。使用就地构建（或“可编辑安装”）会更好地解决此问题。

支持可编辑安装。重要的是要理解，在给定的仓库克隆中，您可以使用可编辑安装或 spin，但不能两者都用。如果您使用可编辑安装，则必须直接使用 pytest 和其他开发工具，而不是使用 spin。

要使用可编辑安装，请确保您从一个干净的仓库开始（如果您之前使用 spin 构建过，请运行 git clean -xdf），并且已按照本页上方所述正确设置所有依赖项。然后执行

# Note: the --no-build-isolation is important!
pip install -e . --no-build-isolation

# To run the tests for, e.g., the `numpy.linalg` module:
pytest numpy/linalg

当对 NumPy 代码（包括编译代码）进行更改时，无需手动重建或重新安装。每次 Python 解释器导入 NumPy 时，NumPy 都会自动重建；有关其内部工作原理的更多详细信息，请参阅 meson-python 关于可编辑安装的文档。

当您运行 git clean -xdf（它会移除已构建的扩展模块）时，请记住也要使用 pip uninstall numpy 卸载 NumPy。

警告

请注意，可编辑安装从根本上来说是不完整的安装。它们唯一的保证是 import numpy 可以工作——因此它们适用于 NumPy 本身的工作，以及依赖 NumPy 的纯 Python 包的工作。头文件、入口点和其他此类内容可能无法从可编辑安装中获得。

从源代码构建#

系统级依赖项#

从源代码构建 NumPy#

从源代码构建以使用 NumPy#

从源代码构建以进行 NumPy 开发#

自定义构建#

背景信息#