NumPy 1.23.0 发布说明#
NumPy 1.23.0 版本的发布延续了改进 dtype 处理和提升、提高执行速度、澄清文档以及淘汰旧有废弃功能的工作。主要亮点包括：
loadtxt用 C 语言实现，大幅提升了其性能。在 Python 级别暴露 DLPack，便于数据交换。
结构化 dtype 的提升和比较方面的变化。
f2py 的改进。
详细信息见下文：
新函数#
废弃项#
将
__array_finalize__设置为None已被废弃。它现在必须是一个方法，并且在检查None或 NumPy 版本足够新之后，可能需要调用super().__array_finalize__(obj)。(gh-20766)
在许多情况下，使用
axis=32(axis=np.MAXDIMS) 的含义与axis=None相同。这已被废弃，必须改用axis=None。(gh-20920)
钩子函数
PyDataMem_SetEventHook已被废弃，其在 tool/allocation_tracking 中的使用示例已删除。现在，Python 通过tracemalloc内置了跟踪内存分配的能力。(gh-20394)
numpy.distutils已被废弃，因为distutils本身已被废弃。对于 Python >= 3.12，它将不再包含在 NumPy 中，并将在 Python 3.12 发布两年后完全移除。更多详细信息，请参阅 numpy.distutils 的状态和迁移建议。(gh-20875)
当请求整数
dtype但值被格式化为浮点数时，numpy.loadtxt现在将发出DeprecationWarning警告。(gh-21663)
已过期废弃项#
作为持续移除 Python 2 兼容性的一部分，
NpzFile.iteritems()和NpzFile.iterkeys()方法已被移除。这标志着从 1.15 版本开始的废弃过程的完成。(gh-16830)
alen和asscalar函数已被移除。(gh-20414)
UPDATEIFCOPY数组标志和枚举NPY_ARRAY_UPDATEIFCOPY已被移除。相关的（以及已废弃的）PyArray_XDECREF_ERR也被移除。这些都在 1.14 版本中被废弃。它们被NPY_ARRAY_WRITEBACKIFCOPY替换，这要求在数组被解除分配之前调用PyArray_ResolveWritebackIfCopy。(gh-20589)
在类数组创建期间将引发异常。当一个对象在访问特殊属性
__array__或__array_interface__期间引发异常时，该异常通常会被忽略。此行为在 1.21 版本中被废弃，现在将引发异常。(gh-20835)
不再允许使用非元组值进行多维索引。以前，诸如
arr[ind]的代码（其中ind = [[0, 1], [0, 1]]）会产生一个FutureWarning，并被解释为多维索引（即arr[tuple(ind)]）。现在，此示例被视为单个维度上的数组索引（arr[array(ind)]）。NumPy 1.15 中废弃了除元组之外的任何多维索引方式。(gh-21029)
F-contiguous 数组中不再允许更改为不同大小的 dtype。自 Numpy 1.11.0 起已废弃。有关此更改影响的详细解释，请参见下文。
(gh-20722)
新特性#
crackfortran 支持运算符和赋值重载#
crackfortran 解析器现在可以理解模块中的运算符和赋值定义。它们被添加到模块的 body 列表中，其中包含一个新的键 implementedby，列出了实现运算符或赋值的子例程或函数的名称。
(gh-15006)
f2py 支持从派生类型语句中读取访问类型属性#
因此，不再需要使用 public 或 private 语句来指定派生类型访问属性。
(gh-15844)
新参数 ndmin 已添加到 genfromtxt#
此参数的行为与 numpy.loadtxt 中的 ndmin 相同。
(gh-20500)
np.loadtxt 现在支持引号字符和单个转换器函数#
numpy.loadtxt 现在支持一个额外的 quotechar 关键字参数，该参数默认未设置。使用 quotechar='"' 将读取 Excel CSV 方言中使用的带引号字段。
此外，现在可以为 converters 参数传递单个可调用对象，而不是字典。
(gh-20580)
更改为不同大小的 dtype 现在仅要求最后一个轴连续#
以前，用不同项目大小的 dtype 查看数组要求整个数组是 C 连续的。此限制会不必要地强迫用户在更改 dtype 之前对非连续数组进行连续复制。
此更改不仅影响 ndarray.view，还影响其他构造机制，包括不推荐的直接赋值给 ndarray.dtype。
此更改解除了发布说明中其他地方描述的关于 F-contiguous 数组视图的废弃项。
(gh-20722)
F2PY 的确定性输出文件#
对于 F77 输入，f2py 将无条件生成 modname-f2pywrappers.f，尽管它们可能为空。对于自由格式输入，modname-f2pywrappers.f 和 modname-f2pywrappers2.f90 都将无条件生成，并且可能为空。这允许在 cmake 或 meson 以及其他构建系统中编写通用输出规则。通过向 f2py 传递 --skip-empty-wrappers 可以恢复旧行为。通过 meson 使用 详细说明了用法。
(gh-21187)
average 函数的 keepdims 参数#
参数 keepdims 已添加到函数 numpy.average 和 numpy.ma.average。该参数的含义与在约简函数（如 numpy.sum 或 numpy.mean）中相同。
(gh-21485)
新参数 equal_nan 已添加到 np.unique#
在 1.21 版本中，np.unique 发生了变化，将所有 NaN 值视为相等并返回单个 NaN。设置 equal_nan=False 将恢复 1.21 之前的行为，即将 NaNs 视为唯一。默认值为 True。
(gh-21623)
兼容性说明#
1D np.linalg.norm 即使对于标量结果也保留浮点输入类型#
以前，当 ord 参数不是显式列出的值之一时，例如 ord=3，它会被提升为 float64。
>>> f32 = np.float32([1, 2])
>>> np.linalg.norm(f32, 2).dtype
dtype('float32')
>>> np.linalg.norm(f32, 3)
dtype('float64') # numpy 1.22
dtype('float32') # numpy 1.23
此更改仅影响 float32 和 float16 向量，其 ord 值不是 -Inf、0、1、2 和 Inf。
(gh-17709)
结构化（void）dtype 提升和比较的变化#
通常，NumPy 现在通过提升每个字段的子类型而非引发异常来定义结构化 dtype 的正确但略有限制的提升。
>>> np.result_type(np.dtype("i,i"), np.dtype("i,d"))
dtype([('f0', '<i4'), ('f1', '<f8')])
对于提升匹配，强制执行字段名、顺序和标题，但忽略填充。涉及结构化 dtype 的提升现在始终确保所有字段使用原生字节序（这可能会改变 np.concatenate 的结果），并确保结果是“打包”的，即所有字段连续排列并且填充被移除。有关详细信息，请参阅 结构比较和提升。
对齐结构的 repr 现在永远不会打印包含 offsets 和 itemsize 的长格式，除非结构包含 align=True 不保证的填充。
与上述提升逻辑的更改一致，类型转换安全性已更新
"equiv"强制匹配名称和标题。由于填充，项目大小允许不同。"safe"允许字段名称和标题不匹配类型转换安全性受限于每个包含字段的类型转换安全性。
字段的顺序用于决定每个单独字段的类型转换安全性。以前，使用字段名，并且只有在名称不匹配时才可能进行不安全的类型转换。
这里最重要的变化是，名称不匹配现在被视为“安全”的类型转换。
(gh-19226)
NPY_RELAXED_STRIDES_CHECKING 已被移除#
NumPy 不能再用 NPY_RELAXED_STRIDES_CHECKING=0 进行编译。宽松步长多年来一直是默认设置，该选项最初是为了实现更平滑的过渡而引入的。
(gh-20220)
np.loadtxt 已进行多项更改#
numpy.loadtxt 的行计数问题已修复。loadtxt 会忽略文件中的完全空行，但以前会将它们计入 max_rows。现在，当使用 max_rows 且文件包含空行时，这些空行将不再被计数。以前，即使有更多数据可读，结果也可能包含少于 max_rows 的行。如果需要旧行为，可以使用 itertools.islice。
import itertools
lines = itertools.islice(open("file"), 0, max_rows)
result = np.loadtxt(lines, ...)
尽管 numpy.loadtxt 通常更快并有所改进，但现在它可能无法将某些以前成功读取的字符串转换为数字。其中最重要的情形是：
将诸如
1.0的浮点值解析为整数现已废弃。解析诸如
0x3p3的十六进制浮点数将失败。以前，
_曾被接受为千位分隔符，例如100_000。现在这将导致错误。
如果您遇到这些限制，都可以通过传递适当的 converters= 参数来解决。NumPy 现在支持传递单个转换器用于所有列，以使其更方便。例如，converters=float.fromhex 可以读取十六进制浮点数，而 converters=int 将能够读取 100_000。
此外，错误消息已普遍得到改进。然而，这意味着错误类型可能有所不同。特别是，当单个条目解析失败时，现在总是会引发 ValueError。
(gh-20580)
改进#
ndarray.__array_finalize__ 现在可调用#
这意味着子类现在可以使用 super().__array_finalize__(obj)，而无需担心 ndarray 是否是它们的超类。实际调用仍然是一个空操作。
(gh-20766)
添加对 VSX4/Power10 的支持#
通过启用 VSX4/Power10，Power ISA 3.1 中可用的新指令可用于加速某些 NumPy 操作，例如 floor_divide、modulo 等。
(gh-20821)
np.fromiter 现在接受对象和子数组#
numpy.fromiter 函数现在支持对象和子数组 dtype。有关示例，请参阅其函数文档。
(gh-20993)
Math C 库功能检测现在使用正确的签名#
编译之前会有一个检测阶段，以确定底层 libc 是否支持某些数学运算。以前，此代码不遵循正确的签名。修复此问题使得能够为 wasm-ld 后端（用于 WebAssembly 的编译）进行编译，并减少警告数量。
(gh-21154)
np.kron 现在维护子类信息#
np.kron 在计算输入 Kronecker 积时，现在会维护子类信息，例如遮罩数组。
>>> x = ma.array([[1, 2], [3, 4]], mask=[[0, 1], [1, 0]])
>>> np.kron(x,x)
masked_array(
data=[[1, --, --, --],
[--, 4, --, --],
[--, --, 4, --],
[--, --, --, 16]],
mask=[[False, True, True, True],
[ True, False, True, True],
[ True, True, False, True],
[ True, True, True, False]],
fill_value=999999)
警告
np.kron 输出现在遵循 ufunc 排序（multiply）来确定输出类类型。
>>> class myarr(np.ndarray):
>>> __array_priority__ = -1
>>> a = np.ones([2, 2])
>>> ma = myarray(a.shape, a.dtype, a.data)
>>> type(np.kron(a, ma)) == np.ndarray
False # Before it was True
>>> type(np.kron(a, ma)) == myarr
True
(gh-21262)
性能改进和变化#
更快的 np.loadtxt#
numpy.loadtxt 现在通常比以前快得多，因为它的大部分现在都在 C 中实现。
(gh-20580)
更快的约简运算符#
对连续的基于整数的数组执行诸如 numpy.sum、numpy.prod、numpy.add.reduce、numpy.logical_and.reduce 等约简操作现在快得多。
(gh-21001)
更快的 np.where#
现在 numpy.where 在处理不可预测/随机输入数据时比以前快得多。
(gh-21130)
NumPy 标量上的操作更快#
许多 NumPy 标量上的操作现在明显更快，尽管在某些情况下，罕见的操作（例如使用 0-D 数组而不是标量）可能会变慢。然而，即使有了这些改进，对于那些希望其标量获得最佳性能的用户，仍可能希望使用 scalar.item() 将已知的 NumPy 标量转换为 Python 标量。
(gh-21188)
更快的 np.kron#
numpy.kron 快了大约 80%，因为现在使用广播计算乘积。
(gh-21354)