NumPy 1.7.0 Release Notes#

本次发布包含多项新功能，以及大量的错误修复和重构。它支持 Python 2.4 - 2.7 和 3.1 - 3.3，并且是最后一个支持 Python 2.4 - 2.5 的版本。

亮点#

  • where= 参数到 ufuncs（允许使用布尔数组来选择计算应在何处执行）

  • vectorize 改进（添加了 ‘excluded’ 和 ‘cache’ 关键字，进行了一般性清理和错误修复）

  • numpy.random.choice（随机样本生成函数）

兼容性说明#

在 NumPy 的未来版本中，函数 np.diag、np.diagonal 以及 ndarrays 的 diagonal 方法将返回原始数组的视图，而不是像现在这样生成副本。如果您写入这些函数之一返回的数组，这将产生影响。为了便于过渡，NumPy 1.7 在检测到您可能尝试写入此类数组时会产生一个 FutureWarning。有关详细信息，请参阅 np.diagonal 的文档。

与上面的 np.diagonal 类似，在 NumPy 的未来版本中，通过字段名列表索引记录数组将返回原始数组的视图，而不是像现在这样生成副本。与 np.diagonal 一样，NumPy 1.7 在检测到您可能尝试写入此类数组时会产生一个 FutureWarning。有关详细信息，请参阅数组索引的文档。

在 NumPy 的未来版本中，UFunc out= 参数的默认转换规则将从 ‘unsafe’ 更改为 ‘same_kind’。（这也适用于原地操作，如 a += b，它等同于 np.add(a, b, out=a)。）大多数违反 ‘same_kind’ 规则的用法很可能是错误，因此此更改可能会暴露依赖于 NumPy 的项目中先前未被发现的错误。在此版本的 NumPy 中，此类用法将继续成功，但会引发 DeprecationWarning。

全数组布尔索引已得到优化，使用不同的、优化的代码路径。此代码路径应产生相同的结果，但欢迎对代码的更改提供反馈。

尝试写入只读数组（arr.flags.writeable 设置为 False 的数组）以前会根据所采取的代码路径，不一致地引发 RuntimeError、ValueError 或 TypeError。现在它将一致地引发 ValueError。

The <ufunc>.reduce 函数以与先前 NumPy 版本不同的顺序评估某些缩减，通常提供更高的性能。由于浮点运算的性质，这可能会微妙地改变某些结果，就像将 NumPy 链接到 MKL 等不同的 BLAS 实现一样。

如果从 1.5 升级，那么通常在 1.6 和 1.7 版本中添加了大量代码，并修改了一些代码路径，特别是在类型解析和通用函数上的缓冲迭代方面。这可能会对您的代码产生影响，特别是如果您过去依赖于意外行为。

新功能#

Reduction UFuncs Generalize axis= Parameter#

任何 ufunc.reduce 函数调用，以及 sum、prod、any、all、max 和 min 等其他缩减操作，都支持选择一组要缩减的轴的能力。以前，您可以指定 axis=None 表示所有轴，或 axis=# 选择单个轴。现在，您还可以指定 axis=(#,#) 来选择用于缩减的轴列表。

Reduction UFuncs New keepdims= Parameter#

新增了 keepdims= 参数，如果设置为 True，则不会丢弃缩减轴，而是将其大小设置为一。设置此选项后，缩减结果将正确地广播到被缩减的原始操作数。

Datetime support#

注意

datetime API 在 1.7.0 中是*实验性*的，并且在 NumPy 的未来版本中可能会发生更改。

与 NumPy 1.6 相比，datetime64 进行了大量的修复和增强。

  • 解析器对仅接受 ISO 8601 日期非常严格，并提供了一些便利的扩展。

  • 单位之间的转换正确。

  • datetime 算术运算正常。

  • 工作日功能（允许 datetime 在仅某些星期几有效的上下文中使用的功能）。

应查阅 doc/source/reference/arrays.datetime.rst 中的说明（也可在在线文档 arrays.datetime.html 中找到）以获取更多详细信息。

Custom formatter for printing arrays#

请参阅 numpy.set_printoptions 函数的新的 formatter 参数。

New function numpy.random.choice#

添加了一个通用的采样函数，用于从给定的类数组结构中生成样本。样本可以是带或不带替换的，以及均匀或给定非均匀概率的。

New function isclose#

返回一个布尔数组，其中两个数组在容差范围内逐元素相等。可以指定相对和绝对容差。

Preliminary multi-dimensional support in the polynomial package#

为积分和微分函数添加了 Axis 关键字，为求值函数添加了 Tensor 关键字。这些新增功能允许在这些函数中使用多维系数数组。添加了用于在网格或点集上求值 2-D 和 3-D 系数数组的新函数，以及可用于拟合的 2-D 和 3-D 伪范德蒙德矩阵。

Ability to pad rank-n arrays#

添加了一个包含 n 维数组填充功能的 pad 模块。各种私有填充函数作为公共“pad”函数的选项公开。示例

pad(a, 5, mode='mean')

Current modes are constant, edge, linear_ramp, maximum, mean, median, minimum, reflect, symmetric, wrap, and <function>.

New argument to searchsorted#

searchsorted 函数现在接受一个“sorter”参数，该参数是一个用于对要搜索的数组进行排序的排列数组。

构建系统#

添加了对 AArch64 架构的实验性支持。

C API#

新增函数 PyArray_FailUnlessWriteable，它提供了检查数组可写性的统一接口——任何处理数组（其 WRITEABLE 标志事先未知为 True）的 C 代码，在写入之前都应确保调用此函数。

添加了 NumPy C Style Guide（doc/C_STYLE_GUIDE.rst）。

更改#

General#

np.concatenate 函数尝试匹配其输入数组的布局。以前，布局没有遵循任何特定原因，并且以不希望的方式依赖于为连接选择的特定轴。还修复了一个允许越界轴参数的错误。

ufuncs logical_or、logical_and 和 logical_not 现在遵循 Python 对对象数组的行为，而不是尝试调用对象上的方法。例如，表达式 (3 and ‘test’) 产生字符串 ‘test’，现在 np.logical_and(np.array(3, ‘O’), np.array(‘test’, ‘O’)) 也产生 ‘test’。

ndarray 的 .base 属性（用于视图以确保拥有内存的底层数组不会过早释放）现在会在您拥有视图的视图时折叠引用。例如

a = np.arange(10)
b = a[1:]
c = b[1:]

In numpy 1.6, c.base is b, and c.base.base is a. In numpy 1.7, c.base is a.

为了提高依赖于 .base 旧行为的软件的向后兼容性，我们仅“跳过”类型与新创建视图完全相同的对象。如果您使用 ndarray 子类，这将产生影响。例如，如果我们有一个 ndarray 和 matrix 对象混合，它们都视图在同一个原始 ndarray 上

a = np.arange(10)
b = np.asmatrix(a)
c = b[0, 1:]
d = c[0, 1:]

then d.base will be b. This is because d is a matrix object, and so the collapsing process only continues so long as it encounters other matrix objects. It considers c, b, and a in that order, and b is the last entry in that list which is a matrix object.

Casting Rules#

由于 NA 相关的工作，转换规则在边缘情况下发生了一些变化。特别是对于标量+标量的组合

  • The longlong type (q) now stays longlong for operations with any other number (? b h i l q p B H I), previously it was cast as int_ (l). The ulonglong type (Q) now stays as ulonglong instead of uint (L).

  • The timedelta64 type (m) can now be mixed with any integer type (b h i l q p B H I L Q P), previously it raised TypeError.

对于 array + scalar，上述规则会进行广播，但当数组和标量是无符号/有符号整数时，结果会被转换为数组类型（可能更大），如下面的示例所示。

>>> (np.zeros((2,), dtype=np.uint8) + np.int16(257)).dtype
dtype('uint16')
>>> (np.zeros((2,), dtype=np.int8) + np.uint16(257)).dtype
dtype('int16')
>>> (np.zeros((2,), dtype=np.int16) + np.uint32(2**17)).dtype
dtype('int32')

增加的大小取决于标量的大小，例如

>>> (np.zeros((2,), dtype=np.uint8) + np.int16(255)).dtype
dtype('uint8')
>>> (np.zeros((2,), dtype=np.uint8) + np.int16(256)).dtype
dtype('uint16')

Also a complex128 scalar + float32 array is cast to complex64.

In NumPy 1.7 the datetime64 type (M) must be constructed by explicitly specifying the type as the second argument (e.g. np.datetime64(2000, 'Y')).

弃用#

General#

使用 _format 数组属性指定自定义字符串格式化程序已被弃用。现在可以使用 numpy.set_printoptions 或 numpy.array2string 中的 formatter 关键字。

polynomial 包中已弃用的导入已被移除。

concatenate 现在会为 1D 数组在 axis != 0 时引发 DepractionWarning。NumPy 版本 < 1.7.0 会忽略 1D 数组的 axis 参数值。我们暂时允许这种情况，但最终会引发错误。

C-API#

PyArrayObject* 的字段的直接访问已被弃用。多年来，一直不推荐直接访问。预计未来 PyArray_Descr* 和其他核心对象的类似弃用，为 NumPy 2.0 做准备。

old_defines.h 中的宏已被弃用，并将在下一个主要版本（>= 2.0）中删除。可以使用 sed 脚本 tools/replace_old_macros.sed 将这些宏替换为更新的版本。

您可以通过在包含任何 NumPy 头文件之前添加一行由 #define NPY_NO_DEPRECATED_API 和目标版本号（例如 NPY_1_7_API_VERSION）组成的定义来测试您的代码是否与已弃用的 C API 兼容。

NPY_TYPES 枚举的 NPY_CHAR 成员已被弃用，并将在 NumPy 1.8 中删除。有关更多详细信息，请参阅 gh-2801 处的讨论。