NumPy 1.16.0 版本说明#
此 NumPy 版本是最后一个支持 Python 2.7 的版本，并将作为长期支持版本维护，直到 2020 年进行错误修复。对 Python 3.4 的支持已取消，支持的 Python 版本为 2.7 和 3.5-3.7。PyPI 上的轮子与 OpenBLAS v0.3.4+ 链接，这应该可以修复先前 OpenBLAS 版本中发现的已知线程问题。
构建此版本的后续开发者应使用 Cython >= 0.29，如果使用 OpenBLAS，则应使用 OpenBLAS > v0.3.4。
此版本进行了大量的重构，并包含许多错误修复、改进的代码组织和更好的跨平台兼容性。并非所有这些改进都对用户可见，但它们应该有助于简化未来的维护工作。
亮点#
对覆盖 numpy 函数的实验性（仅限选择加入）支持，请参见下面的
__array_function__。matmul函数现在是一个 ufunc。这提供了更好的性能，并允许使用__array_ufunc__进行覆盖。改进了对 ARM 和 POWER 架构的支持。
改进了对 AIX 和 PyPy 的支持。
改进了与 ctypes 的互操作性。
改进了对 PEP 3118 的支持。
新函数#
向 numpy.lib.recfuntions 模块添加了新函数，以简化结构化赋值更改
assign_fields_by_namestructured_to_unstructuredunstructured_to_structuredapply_along_fieldsrequire_fields
有关更多信息，请参阅位于 <https://docs.scipy.org.cn/doc/numpy/user/basics.rec.html> 的用户指南。
新增弃用#
类型字典 numpy.core.typeNA 和 numpy.core.sctypeNA 已弃用。它们存在错误且未记录，将在 1.18 版本中移除。请改用
numpy.sctypeDict。numpy.asscalar 函数已弃用。它是功能更强大的
numpy.ndarray.item的别名，未经测试，并且对于标量会失败。numpy.set_array_ops 和 numpy.get_array_ops 函数已弃用。作为 NEP 15 的一部分，它们已与 C-API 函数
PyArray_SetNumericOps和PyArray_GetNumericOps一起弃用。希望覆盖内置 ufunc 中内部循环函数的用户应使用PyUFunc_ReplaceLoopBySignature。numpy.unravel_index的关键字参数dims已弃用，请改用shape。numpy.histogram的normed参数已弃用。它之前已弃用，但未发出警告。应用于非数值数组的
positive运算符（+）已弃用。请参见下文了解详情。将迭代器传递给堆栈函数已弃用
已过期弃用#
NaT 比较现在返回
False且不发出警告，完成从 NumPy 1.11 开始的弃用周期。np.lib.function_base.unique已移除，完成从 NumPy 1.4 开始的弃用周期。请改用numpy.unique。多字段索引现在返回视图而不是副本，完成从 NumPy 1.7 开始的弃用周期。此更改先前在 NumPy 1.14 中尝试过，但已恢复到当前状态。
np.PackageLoader和np.pkgload已移除。这些在 1.10 中已弃用，没有测试，并且似乎在 1.15 中不再有效。
未来的更改#
NumPy 1.17 将取消对 Python 2.7 的支持。
兼容性说明#
Windows 上的 f2py 脚本#
在 Windows 上，用于运行 f2py 的已安装脚本现在是 .exe 文件而不是 *.py 文件，并且只要 Scripts 目录位于路径中，就应从命令行将其作为 f2py 运行。在任何版本的 NumPy 中，将 f2py 作为模块运行 python -m numpy.f2py [...] 将无需修改路径即可工作。
NaT 比较#
与 NaN 的行为一致，除不等式检查外，所有与 datetime64 或 timedelta64 NaT（“非时间”）值的比较现在始终返回 False，而与 NaT 的不等式检查现在始终返回 True。这包括 NaT 值之间的比较。为了与旧行为兼容，请使用 np.isnat 显式检查 NaT，或者在进行比较之前使用 .astype(np.int64) 转换 datetime64/timedelta64 数组。
complex64/128 对齐已更改#
复数类型的内存对齐现在与由两个浮点值组成的 C 结构相同，而之前则等于类型的 size。对于许多用户（例如在 x64/unix/gcc 上），这意味着 complex64 现在是 4 字节对齐而不是 8 字节对齐。一个重要的结果是，对齐的结构化 dtype 现在可能具有不同的 size。例如，np.dtype('c8,u1', align=True) 过去在 (x64/gcc) 上的 itemsize 为 16，但现在为 12。
更详细地说，complex64 类型的对齐现在与 C 结构 struct {float r, i;} 相同，根据用于编译 numpy 的编译器，complex128 和 complex256 类型也是如此。
nd_grid __len__ 移除#
len(np.mgrid) 和 len(np.ogrid) 现在被认为没有意义，并引发 TypeError。
np.unravel_index 现在接受 shape 关键字参数#
以前，只接受 dims 关键字参数来指定用于解开的数组的形状。dims 仍然受支持，但现在已弃用。
多字段视图返回视图而不是副本#
使用多个字段对结构化数组进行索引，例如 arr[['f1', 'f3']]，返回原始数组中的视图而不是副本。返回的视图通常会具有对应于原始数组中中间字段的额外填充字节，这与之前不同，这会影响诸如 arr[['f1', 'f3']].view('float64') 之类的代码。此更改已自 numpy 1.7 以来一直计划。自那时以来，遇到此路径的操作已发出 FutureWarnings。在 1.12 中添加了关于此更改的其他 FutureWarnings。
为了帮助用户更新其代码以解决这些更改，已向 numpy.lib.recfunctions 模块添加了许多函数，这些函数可以安全地执行此类操作。例如，上面的代码可以用 structured_to_unstructured(arr[['f1', 'f3']], dtype='float64') 替换。请参阅 用户指南 中的“访问多个字段”部分。
C API 更改#
NPY_FEATURE_VERSION 已增加到 0x0000D，因为添加了
新功能#
将集成平方误差 (ISE) 估计器添加到 histogram#
此方法（bins='stone'）用于优化 bin 数量，它是 Scott 规则的推广。Scott 规则假设分布近似为正态分布，而 ISE 是一种基于交叉验证的非参数方法。
为 np.loadtxt 添加了 max_rows 关键字#
在 numpy.loadtxt 中新增了关键字 max_rows，用于设置在 skiprows 之后读取内容的最大行数，类似于 numpy.genfromtxt。
为 np.timedelta64 操作数添加了模运算符支持#
现在支持对两个 np.timedelta64 类型操作数进行模运算（求余数）。操作数可以具有不同的单位，返回值将与操作数的类型匹配。
改进#
NumPy 数组的无复制序列化#
在协议 4 之前，NumPy 数组的序列化会创建两份冗余的数据副本。使用 pickle 协议 5 和 PickleBuffer API，现在可以无需任何复制地使用带外缓冲区序列化各种 NumPy 数组，并使用带内缓冲区减少一份复制。对于大型数组，这会导致峰值内存使用量最多下降 66%。
构建的shell独立性#
NumPy 构建不再直接与主机 shell 交互。已将 exec_command 替换为适当的 subprocess.check_output。
np.polynomial.Polynomial 类在 Jupyter Notebook 中以 LaTeX 渲染#
在支持它的前端中使用时，Polynomial 实例现在通过 LaTeX 渲染。当前格式为实验性格式，可能会更改。
randint 和 choice 现在可以处理空分布#
即使不需要绘制任何元素，当参数描述空分布时，np.random.randint 和 np.random.choice 也会引发错误。此问题已修复，例如 np.random.choice([], 0) == np.array([], dtype=float64)。
linalg.lstsq、linalg.qr 和 linalg.svd 现在可以处理空数组#
以前，当传入空矩阵/空矩阵（具有零行和/或零列）时，会引发 LinAlgError。现在将返回适当形状的输出。
链接异常以针对无效的 PEP3118 格式字符串提供更好的错误消息#
这应该有助于查找问题。
Einsum 优化路径更新和效率改进#
Einsum 已与当前上游工作同步。
numpy.angle 和 numpy.expand_dims 现在可在 ndarray 子类上运行#
特别是，它们现在适用于掩码数组。
NPY_NO_DEPRECATED_API 编译器警告抑制#
将 NPY_NO_DEPRECATED_API 设置为 0 将在使用已弃用的 NumPy API 时抑制当前的编译器警告。
np.diff 添加了关键字参数 prepend 和 append#
新的关键字参数 prepend 和 append 允许在差值的任一端插入值。类似于 ediff1d 的选项。现在可以通过 prepend=0轻松获得 cumsum 的逆。
ARM 支持更新#
ARM CPU 的支持已更新，以适应 32 位和 64 位目标，以及大端和小端字节序。已解决 AARCH32 内存对齐问题。CI 测试已扩展到通过 shippable.com 的服务包含 AARCH64 目标。
附加到构建标志#
numpy.distutils 一直覆盖而不是附加到 LDFLAGS 和其他类似的环境变量以编译 Fortran 扩展。现在，如果 NPY_DISTUTILS_APPEND_FLAGS 环境变量设置为 1，则行为将为附加。这适用于：LDFLAGS、F77FLAGS、F90FLAGS、FREEFLAGS、FOPT、FDEBUG 和 FFLAGS。有关更多详细信息，请参阅 gh-11525。
通用 ufunc 签名现在允许固定大小的维度#
通过在通用 ufunc 的签名中使用数值，可以指示给定函数需要具有给定大小的维度的输入或输出。例如，将极角转换为二维笛卡尔单位向量的函数的签名将为 ()->(2)；将两个球面角转换为三维单位向量的函数的签名将为 (),()->(3)；两个三维向量的叉积的签名将为 (3),(3)->(3)。
请注意，对于基本函数，这些维度与用字母开头的名称指示的可变维度没有任何不同；循环仍然传递相应的大小，但现在可以依赖该大小等于签名中给定的固定大小。
通用 ufunc 签名现在允许灵活的维度#
某些函数，特别是 NumPy 对 @ 的实现作为 matmul，与通用 ufunc 非常相似，因为它们在核心维度上进行运算，但是由于它们能够处理缺少维度的输入，因此不能将它们表示为通用 ufunc。为了支持这一点，现在允许在维度名称后添加问号以指示该维度不一定必须存在。
通过此添加，matmul 的签名可以表示为 (m?,n),(n,p?)->(m?,p?)。这表示如果例如第二个操作数只有一个维度，则对于基本函数，它将被视为该输入具有核心形状 (n, 1)，并且输出具有相应的核心形状 (m, 1)。但是，实际的输出数组已删除灵活的维度，即它将具有形状 ..., m)。同样，如果两个参数只有一个维度，则将输入表示为具有形状 (1, n) 和 (n, 1) 提供给基本函数，输出为 (1, 1)，而返回的实际输出数组将具有形状 ()。通过这种方式，签名允许对四个相关的但不同的签名使用单个基本函数，(m,n),(n,p)->(m,p)、(n),(n,p)->(p)、(m,n),(n)->(m) 和 (n),(n)->()。
np.clip 和 clip 方法检查内存重叠#
现在始终测试这些函数的 out 参数的内存重叠，以避免发生内存重叠时出现损坏的结果。
np.polyfit 中 cov 选项的新值 unscaled#
已向 np.polyfit 函数的 cov 参数添加了另一个可能的值。使用 cov='unscaled' 将完全禁用协方差矩阵的缩放（类似于在 scipy.optimize.curve_fit 中设置 absolute_sigma=True）。这在某些情况下很有用，例如权重由 1/sigma 给出，其中 sigma 是（已知的）(高斯分布)数据点的标准误差，在这种情况下，未缩放的矩阵已经是协方差矩阵的正确估计。
标量数值类型的详细文档字符串#
当应用于数值类型（例如 numpy.intc、numpy.int_ 和 numpy.longlong）时，help 函数现在会列出该类型的所有别名，并区分平台相关和平台无关的别名。
__module__ 属性现在指向公共模块#
大多数 NumPy 函数的 __module__ 属性已更新，指向访问函数的首选公共模块，而不是函数实际定义所在的模块。这使得在 IPython 等工具中显示函数信息更加清晰，例如，您现在看到的是 <function 'numpy.sum'>，而不是 <function 'numpy.core.fromnumeric.sum'>。
标记为适合透明巨页的大型分配#
在支持通过 madvise 系统调用进行透明巨页的系统上，NumPy 现在会标记大型内存分配可以使用巨页作为支持，这减少了页面错误开销，在某些严重依赖页面错误的场景中可以显著提高性能。在 Linux 系统上，必须将使用巨页的设置 /sys/kernel/mm/transparent_hugepage/enabled 设置为至少 madvise。如果系统已将其设置为 always，则不会看到太大区别，因为内核会在适当的情况下自动使用巨页。
使用非常旧的 Linux 内核（约 3.x 及更旧版本）的用户应确保 /sys/kernel/mm/transparent_hugepage/defrag 未设置为 always，以避免由于内存碎片整理中的并发问题而导致的性能问题。
Alpine Linux（以及其他 musl c 库发行版）支持#
我们现在默认使用 fenv.h 来报告浮点状态错误。以前，我们的默认设置存在问题，有时无法报告下溢、上溢和无效的浮点运算。现在，只要它们提供了 fenv.h，我们就可以支持 Alpine Linux 等非 glibc 发行版。
加快大型数组的 np.block 速度#
大型数组（大于 512 * 512）现在使用基于将数据直接复制到结果数组的适当切片的阻塞算法。这使得这些大型数组的速度显著提高，特别是对于沿两个以上维度进行阻塞的数组。
arr.ctypes.data_as(...) 保持对 arr 的引用#
以前，调用者负责在指针的生命周期内保持数组的有效性。
加快只读数组的 np.take 速度#
当 np.take 的 writeable 标志设置为 False 时，np.take 的实现不再对源数组进行不必要的复制。
更多函数支持路径类对象#
np.core.records.fromfile 函数现在除了支持文件对象外，还支持 pathlib.Path 和其他路径类对象。此外，当使用内存映射（mmap_mode 关键字参数）时，np.load 函数现在也支持路径类对象。
改进约简期间 ufunc 恒等式的行为#
通用函数具有一个 .identity 属性，当在空轴上调用 .reduce 时使用。
在本版本中，逻辑二元 ufunc，logical_and、logical_or 和 logical_xor，现在具有 identity 类型为 bool，而以前它们是 int 类型。这恢复了 1.14 版本的行为，即在使用这些 ufunc 对空对象数组进行约简时获得 bool 值，同时保留了 1.15 版本的行为，即在使用 add 和 multiply 等算术 ufunc 对空对象数组进行约简时获得 int 值。
此外，logaddexp 现在具有 -inf 的恒等式，允许它在空序列上调用，而以前则不行。
这要感谢新的 PyUFunc_FromFuncAndDataAndSignatureAndIdentity，它现在允许使用任意值作为恒等式。
改进从 ctypes 对象的转换#
NumPy 一直支持从 ctypes 获取值或类型并将其转换为数组或 dtype，但只对更简单的类型表现正确。在本版本中，此限制已解除 - 现在
尊重
ctypes.Structure的_pack_属性，用于模拟 C 的__attribute__((packed))。保留所有 ctypes 对象的字节序
支持
ctypes.Union不可表示的结构会引发异常，而不是产生危险的错误结果
位域不再被解释为子数组
指针不再被替换为它们指向的类型
新的 ndpointer.contents 成员#
这与普通 ctypes 数组的 .contents 成员匹配，可用于围绕指针内容构造 np.array。这取代了 np.array(some_nd_pointer)，该方法在 1.15 版本中停止工作。由于此更改的副作用，ndpointer 现在支持具有重叠字段和填充的 dtype。
matmul 现在是 ufunc#
numpy.matmul 现在是一个 ufunc，这意味着 __matmul__ 函数和运算符现在都可以被 __array_ufunc__ 覆盖。它的实现也发生了变化。它使用与 numpy.dot 相同的 BLAS 例程，确保其在大矩阵上的性能相似。
linspace、logspace 和 geomspace 的起始和终止数组#
这些函数过去仅限于标量终止值和起始值，但现在可以接受数组，这些数组将被正确广播，并产生在前面附加一个轴的输出。例如，这可以用来获得点集之间的线性插值点。
CI 扩展了其他服务#
感谢提供服务的公司，我们现在使用了额外的免费 CI 服务
通过 codecov.io 进行代码覆盖率测试
通过 shippable.com 进行 Arm 测试
在 azure pipelines 上进行额外测试运行
这些服务补充了我们持续使用的 travis、appveyor（用于 wheels）和 LGTM。
更改#
比较 ufunc 现在将引发错误，而不是返回 NotImplemented#
以前，如果比较 ufunc（例如 np.equal）的参数具有结构化 dtype，则会返回 NotImplemented，以帮助比较运算符（例如 __eq__）处理这些情况。这不再需要，因为相关的逻辑已移动到适当的比较运算符（因此它们确实会继续返回 NotImplemented，根据需要）。因此，与所有其他 ufunc 一样，比较 ufunc 现在将在结构化 dtype 上引发错误。
对于非数值数组，positive 现在将引发弃用警告#
以前，+array 无条件地返回一个副本。现在，如果数组不是数值型（即，如果 np.positive(array) 引发 TypeError），它将引发 DeprecationWarning。对于覆盖默认 __array_ufunc__ 实现的 ndarray 子类，TypeError 将被传递。
NDArrayOperatorsMixin 现在实现了矩阵乘法#
之前，np.lib.mixins.NDArrayOperatorsMixin没有实现Python矩阵乘法运算符（@）的特殊方法。现在matmul是一个ufunc，并且可以使用__array_ufunc__重写，这种情况已经改变。
np.polyfit中协方差矩阵的缩放比例有所不同#
到目前为止，np.polyfit在协方差矩阵的缩放比例中使用了非标准因子。也就是说，它使用chisq/(M-N-2)而不是标准的chisq/(M-N)进行缩放，其中M是数据点的数量，N是参数的数量。这种缩放比例与其他拟合程序（例如scipy.optimize.curve_fit）不一致，现已更改为chisq/(M-N)。
maximum和minimum不再发出警告#
作为1.10版中引入的代码的一部分，当使用SSE2语义时，在numpy.maximum和numpy.minimum中遇到NaN时，float32和float64会设置无效浮点数状态。这导致有时会发出RuntimeWarning。在1.15版本中，我们修复了导致警告更加明显的 inconsistencies。现在不会发出任何警告。
Umath和multiarray C扩展模块合并为单个模块#
根据NEP 15，这两个模块已合并。以前np.core.umath和np.core.multiarray是独立的C扩展模块。现在它们是单个np.core/_multiarray_math C扩展模块的Python包装器。
getfield有效性检查已扩展#
numpy.ndarray.getfield现在检查dtype和offset参数，以防止访问无效的内存位置。
NumPy函数现在支持使用__array_function__进行重写#
NumPy 有一个新的实验机制，可以通过定义__array_function__方法来重写几乎所有 NumPy 函数在非 NumPy 数组上的实现，如 NEP 18 中所述。
此功能尚未默认启用，但已发布以方便潜在用户进行实验。有关设置相应环境变量的详细信息，请参阅 NEP。我们预计 NumPy 1.17 版本将默认启用重写，由于用 C 编写的新的实现，这也会更高效。
基于只读缓冲区的数组无法设置为writeable#
我们现在不允许将writeable标志设置为True，该标志用于通过fromstring(readonly-buffer)创建的数组。