从源码构建#

注意

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

从源码构建 NumPy 需要先设置系统级依赖项（编译器、BLAS/LAPACK 库等），然后调用构建。构建可能是为了本地使用而安装 NumPy，开发 NumPy 本身，或者构建可再发行的二进制包。并且可能希望自定义构建的某些方面。本指南将涵盖所有这些方面。此外，它还提供了关于 NumPy 构建工作原理的背景信息，以及指向相关通用 Python 构建和打包文档的最新指南的链接。

从源码构建 NumPy#

如果您只想从源码一次性安装 NumPy 并且不做任何开发工作，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 conda 安装，我们推荐使用 Miniforge；不过任何 conda 版本都可以。

从源码构建以使用 NumPy#

Conda 环境

如果您使用 conda 环境，pip 仍然是您用来从源码构建 NumPy 的工具。重要的是，始终将 --no-build-isolation 标志传递给 pip install 命令，以避免构建针对 PyPI 上的 numpy wheel。为此，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，这会导致 pip install 命令失败。这些变量仅对 flang 需要，可以在运行 pip install 之前安全地取消设置。

Virtual env 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 .

从源码构建以进行 NumPy 开发#

如果您想从源码构建以自行开发 NumPy，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 开发者界面构建 NumPy。

步骤 (3) 始终相同，步骤 (1) 和 (2) 在 conda 和虚拟环境之间有所不同。

Conda 环境

要创建一个包含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

Virtual env 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 标准库中包含的基本 venv 工具。您可以使用任何其他工具；我们只需要一个激活的 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 “Venvs 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

Windows on ARM64

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

注意

使用 BLAS 和 LAPACK 函数构建 NumPy 需要运行时 OpenBLAS 库。在 Windows on ARM64 上，这可以通过为 OpenBLAS 依赖项设置 pkg-config 来实现。OpenBLAS for Windows on ARM64 的构建步骤可以在这里找到。

然后使用以下命令从 PyPI 安装 Python 级别的依赖项

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

要在激活的开发环境中构建 NumPy，请运行

spin build

这将把 NumPy 安装在仓库内（默认在 build-install 目录中）。然后您可以运行测试（spin test）、进入 IPython（spin ipython），或执行其他开发步骤，如构建 html 文档或运行基准测试。 spin 界面是自文档化的，因此请参阅 spin --help 和 spin <subcommand> --help 以获取详细指导。

警告

在 Windows 的激活的 conda 环境中，AR、LD 和 LDFLAGS 环境变量可能已设置，这会导致构建失败。这些变量仅对 flang 需要，并且可以在构建时安全地取消设置。

IDE 支持和可编辑安装

虽然 spin 界面是我们推荐的 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）。这在使用就地构建（或“可编辑安装”）时效果会更好。

支持可编辑安装。重要的是要理解，**您可以在给定的仓库克隆中选择使用可编辑安装或** spin **，但不能同时使用两者**。如果您使用可编辑安装，您必须直接使用 pytest 和其他开发工具，而不是使用 spin。

要使用可编辑安装，请确保从一个干净的仓库开始（如果您以前使用 spin 构建过，请运行 git clean -xdf），并按照本页面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

当您修改 NumPy 代码（包括编译代码）时，无需手动重新构建或重新安装。每次 Python 解释器导入 NumPy 时，NumPy 都会自动重新构建；有关幕后工作原理的更多详细信息，请参阅 meson-python 文档中关于可编辑安装的部分。

当您运行 git clean -xdf（它会删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，可编辑安装在根本上是不完整的安装。它们唯一的保证是 import numpy 可以工作 - 因此它们适用于开发 NumPy 本身，以及开发依赖于 NumPy 的纯 Python 包。从可编辑安装可能无法获得头文件、入口点等。

从源码构建#

系统级依赖项#

从源码构建 NumPy#

从源码构建以使用 NumPy#

从源码构建以进行 NumPy 开发#

定制构建#

背景信息#