NumPy 1.4.0 发布说明#

此次小版本更新包含了大量错误修复和一些新功能。它与 1.3.0 版本向后兼容。

亮点#

新增 datetime dtype 支持，用于处理数组中的日期
更快的导入时间
ufuncs 的扩展数组封装机制
新的邻域迭代器（仅限 C 级别）
npymath 中类似 C99 的复数函数

新功能#

ufuncs 的扩展数组封装机制#

ndarray 中添加了 `__array_prepare__` 方法，为子类提供了更大的灵活性，使其能够与 ufuncs 和类似 ufunc 的函数进行交互。ndarray 已经提供了 `__array_wrap__`，它允许子类设置结果的数组类型并在 ufunc 执行完毕后填充元数据（如 MaskedArray 的实现所示）。对于某些应用，有必要在 *进入时* 提供检查和填充元数据。`__array_prepare__` 因此在 ufunc 初始化输出数组之后但在计算结果并填充它之前被调用。这样，在可能就地修改数据的操作之前就可以进行检查并引发错误。

自动检测向前不兼容性#

以前，如果一个扩展是基于 NumPy N 版本构建的，并在 NumPy M < N 的系统上使用，`import_array` 会成功，这可能导致崩溃，因为 M 版本中没有 N 版本中的函数。从 NumPy 1.4.0 开始，这将在 `import_array` 中导致失败，从而能够及早捕获错误。

新迭代器#

C API 中添加了一个新的邻域迭代器。它可用于遍历数组邻域中的项，并能自动处理边界条件。支持零填充、一填充、任意常数值填充、镜像填充和循环填充。

新的多项式支持#

新增了 `chebyshev` 和 `polynomial` 模块。新的 `polynomial` 模块与 NumPy 中当前的多项式支持不兼容，但与新的 `chebyshev` 模块非常相似。最明显的区别在于，系数从低次幂到高次幂指定，低级函数不接受 Chebyshev 和 Polynomial 类作为参数，并且 Chebyshev 和 Polynomial 类包含一个域。域之间的映射是线性替换，这两个类可以相互转换，例如，允许一个域中的 Chebyshev 级数在另一个域中展开为多项式。新类通常应该取代低级函数，后者是为那些希望构建自己的类的人提供的。

新模块不会自动导入到 NumPy 命名空间中，必须通过“import numpy.polynomial”语句显式导入。

新的 C API#

以下 C 函数已添加到 C API 中：

PyArray_GetNDArrayCFeatureVersion: 返回已加载 NumPy 的 API 版本。

PyArray_Correlate2 - 类似于 PyArray_Correlate，但实现了相关性的常规定义。输入不交换，并对复数数组取共轭。

PyArray_NeighborhoodIterNew - 一个新的迭代器，用于迭代点的邻域，并自动处理边界。它在 C-API 参考的迭代器部分有详细说明，你可以在 numpy.core 中的 multiarray_test.c.src 文件中找到一些示例。

新 ufuncs#

以下 ufuncs 已添加到 C API 中：

copysign - 返回第一个参数的值，其符号复制自第二个参数。

nextafter - 返回第一个参数朝向第二个参数方向的下一个可表示浮点值。

新宏定义#

alpha 处理器现在已在 numpy/npy_cpu.h 中定义并可用。PARISC 处理器检测失败的问题已修复。宏定义如下：

NPY_CPU_HPPA: PARISC

NPY_CPU_ALPHA: Alpha

测试#

deprecated 装饰器：此装饰器可用于在测试被装饰的测试是否有效引发 DeprecationWarning 时，避免测试输出混乱。

assert_array_almost_equal_nulp：比较两个浮点值数组的新方法。使用此函数时，如果两个值之间没有太多可表示的浮点值，则认为它们接近，因此在值波动很大时比 assert_array_almost_equal 更健壮。

assert_array_max_ulp：如果两个浮点值之间存在超过 N 个可表示的数字，则引发断言。

assert_warns：如果可调用对象未生成适当类别的警告，则引发 AssertionError，且不改变警告状态。

复用 npymath#

在 1.3.0 版本中，我们开始将可移植的 C 数学例程放入 npymath 库中，以便人们可以使用它们编写可移植的扩展。不幸的是，以前无法轻松链接此库：在 1.4.0 版本中，已向 numpy.distutils 添加了支持，以便第三方可以重用此库。有关更多信息，请参阅 coremath 文档。

改进的集合操作#

在早期版本的 NumPy 中，如果输入数组包含重复项，某些集合函数（intersect1d, setxor1d, setdiff1d 和 setmember1d）可能会返回不正确的结果。现在，这些函数对于包含重复项的输入数组也能正常工作。setmember1d 已更名为 in1d，因为在接受包含重复项的数组后，它不再是集合操作，并且在概念上类似于 Python 运算符“in”的元素级版本。所有这些函数现在都接受布尔关键字 `assume_unique`。此参数默认为 False，但如果已知输入数组不包含重复项，则可以设置为 True，这可以提高函数的执行速度。

改进#

NumPy 导入速度显著加快（根据平台和计算机不同，提高 20% 到 30%）

排序函数现在将 NaN 值排到末尾。

实数排序顺序为 [R, nan]

复数排序顺序为 [R + Rj, R + nanj, nan + Rj, nan + nanj]

具有相同 NaN 位置的复数，如果存在非 NaN 部分，则根据非 NaN 部分进行排序。

类型比较函数已与新的 NaN 排序顺序保持一致。Searchsorted 现在可以处理包含 NaN 值的已排序数组。

复数除法对溢出的抵抗力增强。

复数向下取整除法对溢出的抵抗力增强。

已弃用#

以下函数已弃用：

correlate：它接受一个新的关键字参数 `old_behavior`。当为 True（默认值）时，它返回与以前相同的结果。当为 False 时，计算常规相关性，并对复数数组取共轭。旧行为将在 NumPy 1.5 中移除，并在 1.4 中引发 DeprecationWarning。

unique1d：请改用 unique。unique1d 在 1.4 中引发弃用警告，并将在 1.5 中移除。

intersect1d_nu：请改用 intersect1d。intersect1d_nu 在 1.4 中引发弃用警告，并将在 1.5 中移除。

setmember1d：请改用 in1d。setmember1d 在 1.4 中引发弃用警告，并将在 1.5 中移除。

以下情况会引发错误：

当对 0 维数组进行操作时，numpy.max 和其他函数只接受 axis=0、axis=-1 和 axis=None。使用越界轴表明存在错误，因此 NumPy 现在对这些情况会引发错误。

不再允许指定 axis > MAX_DIMS；NumPy 现在会引发错误，而不是像 axis=None 那样表现。

内部变化#

可用时使用 C99 复数函数#

如果平台上可用，NumPy 复数类型现在保证与 C99 复数类型 ABI 兼容。此外，复数 ufunc 现在使用平台 C99 函数而不是我们自己的函数。

拆分 multiarray 和 umath 源代码#

multiarray 和 umath 的源代码已被拆分为独立的逻辑编译单元。这应该使源代码对新手更友好。

独立编译#

默认情况下，multiarray（和 umath）的每个文件都像以前一样合并为一个进行编译，但如果环境变量 NPY_SEPARATE_COMPILATION 设置为非负值，则会启用每个文件的实验性独立编译。这在处理核心 NumPy 时，可以大大加快编译/调试周期。

独立的核数学库#

新增函数：

npy_copysign

npy_nextafter

npy_cpack

npy_creal

npy_cimag

npy_cabs

npy_cexp

npy_clog

npy_cpow

npy_csqr

npy_ccos

npy_csin