NumPy 1.7.0 发行说明#

此版本包含多项新功能以及大量错误修复和重构。它支持Python 2.4 - 2.7和3.1 - 3.3，并且是支持Python 2.4 - 2.5的最后一个版本。

强调＃

  • where=ufuncs 的参数（允许使用布尔数组来选择应该在哪里进行计算）

  • vectorize改进（添加了“排除”和“缓存”关键字、常规清理和错误修复）

  • 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 和 ndarrays 的对角线方法将返回原始数组的视图，而不是像现在那样生成副本。如果您写入任何这些函数返回的数组，这会产生影响。为了促进这种转换，如果 numpy 1.7 检测到您可能正在尝试写入此类数组，则它会生成 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，通过字段名称列表索引记录数组将返回原始数组的视图，而不是像现在那样生成副本。与 np.diagonal 一样，如果 numpy 1.7 检测到您可能正在尝试写入此类数组，则它会生成 FutureWarning。有关详细信息，请参阅数组索引文档。

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”。 （这也适用于像 a += b 这样的就地操作，相当于 np.add(a, b, out=a)。）大多数违反“same_kind”规则的用法都可能是错误，因此此更改可能会导致错误。暴露依赖于 NumPy 的项目中以前未检测到的错误。在此版本的 numpy 中，此类用法将继续成功，但会引发 DeprecationWarning。

全数组布尔索引已经过优化，可以使用不同的优化代码路径。此代码路径应产生相同的结果，但任何有关代码更改的反馈将不胜感激。

尝试写入只读数组（arr.flags.writeable 设置为 的数组False）会不一致地引发 RuntimeError、ValueError 或 TypeError，具体取决于采用的代码路径。它现在持续引发 ValueError。

<ufunc>.reduce 函数以与以前版本的 NumPy 不同的顺序评估一些缩减，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一些结果，就像将 NumPy 链接到不同的 BLAS 实现（例如 MKL）一样。

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

新功能＃

约简 UFuncs 概括轴=参数#

任何 ufunc.reduce 函数调用以及其他缩减（例如 sum、prod、any、all、max 和 min）都支持选择要缩减的轴子集的功能。以前，可以说 axis=None 表示所有轴，或 axis=# 表示选择单个轴。现在，我们还可以说 axis=(#,#) 来选择要减少的轴列表。

减少 UFuncs 新 keepdims= 参数#

有一个新的 keepdims= 参数，如果将其设置为 True，则不会丢弃缩小轴，而是将它们设置为大小为 1。设置此选项后，归约结果将正确广播到被归约的原始操作数。

日期时间支持#

笔记

日期时间 API 在 1.7.0 中处于实验阶段，在 NumPy 的未来版本中可能会发生变化。

与 NumPy 1.6 相比，datetime64 进行了大量修复和增强：

  • 解析器非常严格只接受 ISO 8601 日期，并有一些方便的扩展

  • 单位之间正确转换

  • 日期时间算术工作正常

  • 工作日功能（允许在仅一周中的某些天有效的上下文中使用日期时间）

有关更多详细信息，请参阅doc/source/reference/arrays.datetime.rst中的注释（也可在arrays.datetime.html 的在线文档中找到）。

用于打印数组的自定义格式化程序#

formatter查看函数的新参数numpy.set_printoptions 。

新函数 numpy.random.choice #

添加了通用采样函数，它将从给定的类似数组生成样本。样本可以有或没有替换，并且具有均匀或给定的非均匀概率。

新函数 isclose #

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

多项式包中的初步多维支持#

轴关键字已添加到积分和微分函数中，张量关键字已添加到评估函数中。这些添加允许在这些函数中使用多维系数数组。用于评估网格或点集上的 2-D 和 3-D 系数数组的新函数与可用于拟合的 2-D 和 3-D 伪范德蒙德矩阵一起添加。

能够填充 n 列数组#

添加了包含用于填充 n 维数组的函数的 pad 模块。各种私有填充函数作为公共“pad”函数的选项公开。例子：

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

当前模式有constant、edge、linear_ramp、maximum、 mean、median、minimum、reflect、symmetric、wrap和 <function>。

searchsorted 的新参数#

函数 searchsorted 现在接受一个“排序器”参数，该参数是一个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。

CAPI #

新函数PyArray_FailUnlessWriteable提供了一个一致的接口来检查数组的可写性 - 任何与 WRITEABLE 标志事先未知为 True 的数组一起使用的 C 代码，应确保在写入之前调用此函数。

添加了 NumPy C 风格指南 ( doc/C_STYLE_GUIDE.rst)。

变化＃

一般的＃

函数 np.concatenate 尝试匹配其输入数组的布局。以前，布局不遵循任何特定原因，并且以不期望的方式依赖于选择用于串联的特定轴。还修复了一个错误，该错误默默地允许超出范围的轴参数。

ufunc 逻辑或、逻辑和和逻辑现在遵循 Python 的对象数组行为，而不是尝试调用对象上的方法。例如，表达式 (3 and 'test') 生成字符串 'test'，现在 np.logic_and(np.array(3, 'O'), np.array('test', 'O')) 生成 '测试”也是如此。

ndarrays 上的属性.base用于视图，以确保拥有内存的底层数组不会过早释放，现在，当您拥有视图的视图时，该属性会折叠出引用。例如：

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

在 numpy 1.6 中，c.base是b和c.base.base是a。在 numpy 1.7 中， c.base是a.

为了提高依赖于旧行为的软件的向后兼容性.base，我们仅“跳过”与新创建的视图具有完全相同类型的对象。如果您使用子类，这会有所不同ndarray 。例如，如果我们有ndarray和对象的混合，matrix它们都是同一原始对象的视图ndarray：

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

那么d.base将会是b。这是因为d是一个matrix对象，因此只有遇到其他 matrix对象时，折叠过程才会继续。它按该顺序 考虑c、b、 和，并且是该列表中作为对象的最后一个条目。abmatrix

选角规则#

由于 NA 相关的工作，在极端情况下，铸造规则发生了一些变化。特别是对于标量+标量的组合：

  • longlong类型( q ) 现在对于任何其他数字 ( ? bhilqp BHI ) 的操作保持longlong，之前它被转换为int_ ( l )。ulonglong类型 ( Q ) 现在保留为ulonglong而不是uint ( L )。

  • timedelta64类型( m ) 现在可以与任何整数类型 ( bhil qp BHILQP )混合，之前它会引发TypeError。

对于数组+标量，除了数组和标量是无符号/有符号整数的情况外，上述规则只是广播，然后结果将转换为数组类型（可能更大的尺寸），如下例所示：

>>> (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')

大小是否增加取决于标量的大小，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')

complex128标量 +数组也float32被转换为complex64.

在 NumPy 1.7 中，必须通过显式指定类型作为第二个参数（例如 ）来构造datetime64类型 ( M ) 。np.datetime64(2000, 'Y')

弃用#

一般的＃

不推荐使用_format数组属性指定自定义字符串格式化程序。可以使用or 中的新格式化程序关键字来代替。numpy.set_printoptionsnumpy.array2string

多项式包中已弃用的导入已被删除。

concatenate现在如果 则引发一维数组的 DepractionWarning 。 numpy < 1.7.0 的版本忽略一维数组的轴参数值。我们现在允许这样做，但在适当的时候我们会提出错误。axis != 0

C-API #

不推荐直接访问 PyArrayObject* 的字段。对于许多版本，建议不要直接访问。作为 NumPy 2.0 的准备，预计未来 PyArray_Descr* 和其他核心对象也会出现类似的弃用。

old_defines.h 中的宏已弃用，并将在下一个主要版本 (>= 2.0) 中删除。 sed 脚本 tools/replace_old_macros.sed 可用于将这些宏替换为较新的版本。

您可以通过在包含任何 NumPy 标头之前添加由和 目标版本号（例如 ）组成的行来针对已弃用的 C API 测试您的代码。#define NPY_NO_DEPRECATED_APINPY_1_7_API_VERSION

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