NumPy 1.3.0 发行说明#

此次小版本更新包括众多错误修复、对 Python 2.6 的官方支持，以及广义 ufunc 等多项新功能。

亮点#

Python 2.6 支持#

Python 2.6 现已在所有先前支持的平台（包括 Windows）上得到支持。

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

广义 ufunc#

如 https://scipy.org.cn/scipy/numpy/wiki/GeneralLoopingFunctions 所述，普遍需要不仅对标量函数进行循环，还需要对向量（或数组）函数进行循环。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 语言实现，这将为 NumPy 代码库增加约 500 行代码。在当前的（专用）ufunc 中，基本函数仅限于逐元素操作，而广义版本支持“子数组对子数组”的操作。Perl 向量库 PDL 提供了类似的功能，其术语在下文中被重新使用。

每个广义 ufunc 都附带信息，说明输入数据的“核心”维度以及输出数据的相应维度（逐元素 ufunc 的核心维度为零）。所有参数的核心维度列表称为 ufunc 的“签名”（signature）。例如，ufunc `numpy.add` 的签名是“(),()->()”，表示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)，其签名是“(i),(i)->()”。它沿着每个输入的最后一个轴应用内积，但保留其余索引不变。例如，当 a 的形状为 (3,5,N) 且 b 的形状为 (5,N) 时，这将返回一个形状为 (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)”，为输出指定零个核心维度“()”，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具有相同的大小（或者其中一个的大小为 1 并将被广播）。

超出核心维度的维度称为“循环”维度。在上面的例子中，这对应于 (3,5)。

通常的 NumPy “广播”（broadcasting）规则适用，其中签名决定了每个输入/输出对象的维度如何划分为核心维度和循环维度。

当输入数组的维度小于对应的核心维度数量时，会在其形状前加上 1。核心维度从所有输入中移除，剩余维度被广播；这定义了循环维度。输出由循环维度加上输出核心维度给出。

实验性 Windows 64 位支持#

NumPy 现已可以在 Windows 64 位系统（仅限 amd64，不包括 IA64）上使用 MS 编译器和 mingw-w64 编译器构建。

这 *极具实验性质*：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，请参阅 INSTALL.txt 的 Windows 64 位部分。

新功能#

格式化问题#

浮点数格式化现在由 NumPy 而非 C 运行时处理：这使得格式化与区域设置无关，并使 `fromstring` 及相关方法更健壮。特殊值（无穷大和 NaN）在不同平台间也更一致（例如 NaN 与 IND/NaN 的区别），并且与最近的 Python 格式化工作（2.6 及更高版本）更一致。

max/min 中的 NaN 处理#

最大值/最小值 ufunc 现在能可靠地传播 NaN。如果其中一个参数是 NaN，则返回 NaN。这影响到 `np.min`/`np.max`、`amin`/`amax` 以及数组方法 `max`/`min`。已添加新的 ufunc `fmax` 和 `fmin` 来处理不传播 NaN 的情况。

sign 中的 NaN 处理#

ufunc `sign` 现在对 NaN 的符号返回 NaN。

新 ufunc#

  1. `fmax` - 对于整数类型和非 NaN 浮点数与 `maximum` 相同。如果其中一个参数是 NaN，则返回非 NaN 参数；如果两个参数都是 NaN，则返回 NaN。

  2. `fmin` - 对于整数类型和非 NaN 浮点数与 `minimum` 相同。如果其中一个参数是 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 为底的指数函数。

  7. `trunc` - 将浮点数截断为最接近零的整数。

  8. `logaddexp` - 将以对数形式存储的数字相加，并返回结果的对数。

  9. `logaddexp2` - 将以 2 为底的对数形式存储的数字相加，并返回结果的 2 为底的对数。

掩码数组#

包括多项新功能和错误修复，包括：

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

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

  • 改进了对 `__iter__` 的支持 (r6326)

  • 使 `baseclass`、`sharedmask` 和 `hardmask` 对用户可访问（但只读）

  • 文档更新

Windows 上的 gfortran 支持#

现在可以在 Windows 上将 Gfortran 用作 NumPy 的 Fortran 编译器，即使 C 编译器是 Visual Studio（VS 2005 及更高版本；VS 2003 将不兼容）。Gfortran + Visual Studio 在 Windows 64 位系统上不工作（但 gcc + gfortran 可以）。目前尚不清楚在 x64 上是否能够同时使用 gfortran 和 Visual Studio。

Windows 二进制文件的 Arch 选项#

现在可以通过命令行绕过 `superpack` 安装程序的自动架构检测

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

将安装一个 NumPy 版本，该版本可在任何 x86 计算机上运行，即使当前计算机支持 SSE 指令集。

已弃用功能#

直方图#

直方图的语义已进行修改，以修复长期存在的异常值处理问题。主要变化涉及：

  1. 分箱边缘的定义，现在包括最右侧的边缘，以及

  2. 对上限异常值的处理，现在是忽略而不是计入最右侧的分箱。

以前的行为仍可通过使用 new=False 访问，但这已被弃用，并将在 1.4.0 版本中完全移除。

文档变更#

增加了大量文档。用户指南和参考资料都可以通过 Sphinx 构建。

新 C API#

Multiarray API#

以下函数已添加到 Multiarray C API：

  • `PyArray_GetEndianness`：获取运行时字节序

Ufunc API#

以下函数已添加到 ufunc API：

  • `PyUFunc_FromFuncAndDataAndSignature`：声明一个更通用的 ufunc（广义 ufunc）。

新宏定义#

通过 `numpy/npy_cpu.h`，可为特定架构代码提供新的公共 C 宏定义

  • `NPY_CPU_X86`：x86 架构（32 位）

  • `NPY_CPU_AMD64`：amd64 架构（x86_64，非 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

还新增了用于 CPU 字节序的宏（详见下方的内部变更部分）

  • `NPY_BYTE_ORDER`：整数

  • `NPY_LITTLE_ENDIAN`/`NPY_BIG_ENDIAN` 宏定义

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` 现在提供了多个可移植宏来获取 NAN、INFINITY

  • `NPY_NAN`：等同于 `NAN`，后者是 GNU 扩展

  • `NPY_INFINITY`：等同于 C99 的 `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已可用。为保持一致性，所有对 `NAN` 的引用或自行实时计算 `NAN` 的做法都已移除。

内部变更#

numpy.core 数学配置重构#

这将使移植到新平台变得更容易、更健壮。特别是，配置阶段无需在目标平台上执行任何代码，这是实现交叉编译的第一步。

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

umath 重构#

对 umath/ufunc 代码进行了大量清理 (charris)。

改进构建警告#

NumPy 现在可以使用 `-W -Wall` 选项构建而无警告

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

独立核心数学库#

核心数学函数（`sin`、`cos` 等，用于基本 C 类型）已被放入一个独立的库中；它充当一个兼容层，以支持大多数 C99 数学函数（目前仅支持实数）。该库包含了针对各种数学函数的平台特定修复，因此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`）。

该核心库将在 1.4.0 版本中提供给所有扩展。

CPU 架构检测#

`npy_cpu.h` 定义了 NumPy 特定的 CPU 宏定义，例如 `NPY_CPU_X86` 等……这些宏在操作系统和工具链之间是可移植的，并且在头文件被解析时设置，因此即使在交叉编译（NumPy 构建时未设置值）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，它们也可以安全使用。

`npy_endian.h` 定义了 NumPy 特定的字节序宏定义，其模式类似于 glibc 的 `endian.h`。`NPY_BYTE_ORDER` 等同于 `BYTE_ORDER`，并且定义了 `NPY_LITTLE_ENDIAN` 或 `NPY_BIG_ENDIAN` 中的一个。至于 CPU 架构，这些宏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。