从源码构建#

注意

如果您只想安装 NumPy，我们建议您使用二进制文件 - 请参阅安装获取详细信息。

从源码构建 NumPy 需要首先设置系统级依赖项（编译器、BLAS/LAPACK 库等），然后调用构建过程。构建可以用于安装 NumPy 以供本地使用、开发 NumPy 本身或构建可再发行二进制包。并且可能需要自定义构建过程的某些方面。本指南将涵盖所有这些方面。此外，它还提供了有关 NumPy 构建工作方式的背景信息，并链接到最新的通用 Python 构建和打包文档指南。

从源码构建 NumPy#

如果您只想从源码安装 NumPy 一次并且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，建议使用 conda。

注意

如果您还没有 conda 安装，我们建议您使用 Miniforge；任何 conda 版本都可以工作。

从源码构建以使用 NumPy#

Conda 环境

如果您使用的是 conda 环境，pip 仍然是您用来调用 NumPy 从源码构建的工具。务必始终对 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，可能会设置 AR、LD 和 LDFLAGS 环境变量，这将导致 pip install 命令失败。这些变量仅适用于 flang，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 .

从源码构建用于 NumPy 开发#

如果您想从源码构建以便处理 NumPy 本身，请首先克隆 NumPy 存储库：

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），
安装所有需要的依赖项（构建、测试、文档和可选依赖项），
使用 spin 开发人员接口构建 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

有很多工具可以管理虚拟环境，例如 venv、virtualenv/virtualenvwrapper、pyenv/pyenv-virtualenv、Poetry、PDM、Hatch 等等。这里我们使用 Python 标准库中自带的基本工具 venv。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虚拟环境（请注意，根据您的操作系统和 shell，确切的激活命令可能有所不同 - 请参阅 “venv 文档中的“虚拟环境的工作原理””）。

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

然后使用以下命令从 PyPI 安装 Python 级依赖项：

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

要在已激活的开发环境中构建 NumPy，请运行：

spin build

这将在代码库内安装 NumPy（默认情况下在 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，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 以获取详细的指导。

警告

在 Windows 上已激活的 conda 环境中，可能会设置 AR、LD 和 LDFLAGS 环境变量，这将导致构建失败。这些变量仅适用于 flang，并且可以安全地取消设置以进行构建。

IDE 支持和可编辑安装

虽然 spin 接口是我们推荐的 NumPy 工作方式，但它有一个局限性：由于自定义安装位置，使用 spin 安装的 NumPy 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*就地构建*（或“可编辑安装”）中效果会更好。

支持可编辑安装。重要的是要理解，**您可以在给定的代码库克隆中使用可编辑安装或 `spin`，但不能同时使用两者**。如果您使用可编辑安装，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，请确保从干净的代码库开始（如果您之前使用 spin 构建过，请运行 git clean -xdf）并正确设置所有依赖项，如本页前面所述。然后执行以下操作：

# 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

更改 NumPy 代码（包括编译代码）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；有关幕后工作方式的更多详细信息，请参阅 meson-python 文档中关于可编辑安装的内容。

当您运行 git clean -xdf（删除已构建的扩展模块）时，请记住也使用 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。它们唯一保证的是 import numpy 可以工作 - 因此它们适合于处理 NumPy 本身以及处理依赖于 NumPy 的纯 Python 包。可编辑安装可能无法提供头文件、入口点和其他此类内容。

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#

从源码构建用于 NumPy 开发#

自定义构建#

背景信息#