NumPy 1.3.0 發行說明#

這個小版本包含了大量的錯誤修正、官方 Python 2.6 支援，以及幾個新功能，例如廣義通用函數 (generalized ufuncs)。

重點摘要#

Python 2.6 支援#

Python 2.6 現在在所有先前支援的平台（包括 Windows）上都受到支援。

https://www.python.org/dev/peps/pep-0361/

廣義通用函數 (Generalized ufuncs)#

對於不僅對純量執行運算，也對向量（或陣列）執行運算的函數，存在普遍的需求，如 http://scipy.org/scipy/numpy/wiki/GeneralLoopingFunctions 中所述。我們提議透過推廣通用函數 (universal functions, ufuncs) 來實現這個概念，並提供一個 C 語言實作，為 numpy 程式碼庫增加約 500 行程式碼。在目前（特定）的通用函數中，基本函數僅限於逐元素運算，而廣義版本支援「子陣列」對「子陣列」的運算。Perl 向量函式庫 PDL 提供了類似的功能，以下將重複使用其術語。

每個廣義通用函數都有與之相關的資訊，說明輸入的「核心」維度，以及對應輸出的維度（逐元素的通用函數具有零核心維度）。所有引數的核心維度列表稱為通用函數的「簽名」。例如，通用函數 numpy.add 的簽名為「(),()->()」，定義了兩個純量輸入和一個純量輸出。

另一個範例是（請參閱 GeneralLoopingFunctions 頁面）簽名為「(i),(i)->()」的函數 inner1d(a,b)。這會沿著每個輸入的最後一個軸套用內積，但保持其餘索引不變。例如，當 a 的形狀為 (3,5,N) 且 b 的形狀為 (5,N) 時，這將傳回形狀為 (3,5) 的輸出。底層基本函數被呼叫 3*5 次。在簽名中，我們為每個輸入指定一個核心維度「(i)」，為輸出指定零核心維度「()」，因為它接受兩個一維陣列並傳回一個純量。透過使用相同的名稱「i」，我們指定兩個對應的維度應該具有相同的大小（或者其中一個的大小為 1，將會被廣播）。

超出核心維度的維度稱為「迴圈」維度。在上面的範例中，這對應於 (3,5)。

通常的 numpy「廣播」規則適用，其中簽名決定了每個輸入/輸出物件的維度如何分割為核心維度和迴圈維度

當輸入陣列的維度小於對應的核心維度數量時，會在其形狀前面加上 1。核心維度會從所有輸入中移除，剩餘的維度會被廣播；定義迴圈維度。輸出由迴圈維度加上輸出核心維度給出。

實驗性 Windows 64 位元支援#

Numpy 現在可以在 Windows 64 位元（僅限 amd64，不包括 IA64）上使用 MS 編譯器和 mingw-w64 編譯器進行建置

這是高度實驗性：請勿用於生產環境。有關限制以及如何自行建置的更多資訊，請參閱 INSTALL.txt 中的 Windows 64 位元區段。

新功能#

格式化問題#

浮點數格式化現在由 numpy 而非 C 執行階段處理：這實現了與地區設定無關的格式化，以及更穩健的 fromstring 和相關方法。特殊值（inf 和 nan）在不同平台之間也更一致（nan vs IND/NaN 等），並且與最近的 python 格式化工作（在 2.6 及更高版本中）更加一致。

max/min 中的 Nan 處理#

maximum/minimum 通用函數現在可以可靠地傳播 nan。如果其中一個引數是 nan，則傳回 nan。這會影響 np.min/np.max、amin/amax 和陣列方法 max/min。已新增新的通用函數 fmax 和 fmin 來處理非傳播 nan。

sign 中的 Nan 處理#

通用函數 sign 現在會為 anan 的符號傳回 nan。

新的通用函數#

  1. fmax - 與整數類型和非 nan 浮點數的最大值相同。如果一個引數是 nan，則傳回非 nan 引數；如果兩個引數都是 nan，則傳回 nan。

  2. fmin - 與整數類型和非 nan 浮點數的最小值相同。如果一個引數是 nan，則傳回非 nan 引數；如果兩個引數都是 nan，則傳回 nan。

  3. deg2rad - 將度數轉換為弧度，與 radians 通用函數相同。

  4. rad2deg - 將弧度轉換為度數，與 degrees 通用函數相同。

  5. log2 - 以 2 為底的對數。

  6. exp2 - 以 2 為底的指數。

  7. trunc - 將浮點數截斷為趨近於零的最接近整數。

  8. logaddexp - 將以對數形式儲存的數字相加，並傳回結果的對數。

  9. logaddexp2 - 將以 2 為底的對數形式儲存的數字相加，並傳回結果以 2 為底的對數。

遮罩陣列 (Masked arrays)#

多項新功能與錯誤修正，包括

  • 結構化陣列現在應完全受到 MaskedArray 的支援 (r6463, r6324, r6305, r6300, r6294…)

  • 次要錯誤修正 (r6356, r6352, r6335, r6299, r6298)

  • 改進了對 __iter__ 的支援 (r6326)

  • 使 baseclass、sharedmask 和 hardmask 可供使用者存取（但為唯讀）

  • 文件更新

gfortran 在 Windows 上的支援#

即使 C 編譯器是 Visual Studio（VS 2005 及更高版本；VS 2003 無法運作），Gfortran 現在也可以在 Windows 上用作 numpy 的 fortran 編譯器。Gfortran + Visual studio 在 Windows 64 位元上無法運作（但 gcc + gfortran 可以）。目前尚不清楚是否有可能在 x64 上同時使用 gfortran 和 visual studio。

Windows 二進位檔的 Arch 選項#

現在可以從命令列繞過已安裝的超級封裝 (superpack) 的自動架構偵測

numpy-1.3.0-superpack-win32.exe /arch=nosse

將安裝一個適用於任何 x86 的 numpy，即使正在執行的電腦支援 SSE 指令集。

已棄用的功能#

直方圖 (Histogram)#

直方圖的語意已修改，以修正長期以來處理離群值的問題。主要的變更涉及

  1. bin 邊緣的定義，現在包括最右邊的邊緣，以及

  2. 對上限離群值的處理，現在會被忽略，而不是計入最右邊的 bin 中。

先前的行為仍然可以使用 new=False 存取，但這已被棄用，並將在 1.4.0 中完全移除。

文件變更#

已新增大量文件。使用者指南和參考資料都可以從 sphinx 建置。

新的 C API#

Multiarray API#

以下函數已新增至 multiarray C API

  • PyArray_GetEndianness：取得執行階段位元組順序

Ufunc API#

以下函數已新增至 ufunc API

  • PyUFunc_FromFuncAndDataAndSignature：宣告更通用的 ufunc（廣義通用函數）。

新的定義 (defines)#

新的公開 C 定義可用於透過 numpy/npy_cpu.h 的 ARCH 特定程式碼

  • NPY_CPU_X86：x86 架構（32 位元）

  • NPY_CPU_AMD64：amd64 架構（x86_64，非 Itanium）

  • NPY_CPU_PPC：32 位元 ppc

  • NPY_CPU_PPC64：64 位元 ppc

  • NPY_CPU_SPARC：32 位元 sparc

  • NPY_CPU_SPARC64：64 位元 sparc

  • NPY_CPU_S390：S390

  • NPY_CPU_IA64：ia64

  • NPY_CPU_PARISC：PARISC

也新增了用於 CPU 位元組順序的新巨集（詳細資訊請參閱下面的內部變更）

  • NPY_BYTE_ORDER：整數

  • NPY_LITTLE_ENDIAN/NPY_BIG_ENDIAN 定義

這些為沒有 glibc endian.h 巨集的平台提供了可攜式的替代方案。

可攜式 NAN、INFINITY 等…#

npy_math.h 現在提供多個可攜式巨集來取得 NAN、INFINITY

  • NPY_NAN：相當於 NAN，它是 GNU 擴充功能

  • NPY_INFINITY：相當於 C99 INFINITY

  • NPY_PZERO、NPY_NZERO：分別為正零和負零

也提供了對應的單精度和擴展精度巨集。為了保持一致性，已移除所有對 NAN 的參考，或即時本機計算 NAN 的程式碼。

內部變更#

numpy.core 數學配置重組#

這應該使移植到新平台變得更容易且更穩健。特別是，配置階段不需要在目標平台上執行任何程式碼，這是邁向跨編譯的第一步。

https://numpy.dev.org.tw/neps/nep-0003-math_config_clean.html

umath 重構#

針對 umath/ufunc 程式碼進行了大量程式碼清理 (charris)。

改進了建置警告#

Numpy 現在可以使用 -W -Wall 建置，而不會產生警告

https://numpy.dev.org.tw/neps/nep-0002-warnfix.html

獨立的核心數學函式庫#

核心數學函數（sin、cos 等…適用於基本 C 類型）已放入獨立的函式庫中；它充當相容性層，以支援大多數 C99 數學函數（目前僅限實數）。該函式庫包含針對各種數學函數的平台特定修正，例如，使用這些版本應該比直接使用平台函數更穩健。現有函數的 API 與 C99 數學函數 API 完全相同；唯一的區別是 npy 字首（npy_cos vs cos）。

核心函式庫將在 1.4.0 中提供給任何擴充功能使用。

CPU 架構偵測#

npy_cpu.h 定義了 numpy 特定的 CPU 定義，例如 NPY_CPU_X86 等… 這些定義可跨 OS 和工具鏈移植，並在標頭檔被解析時設定，以便即使在跨編譯的情況下（值在建置 numpy 時未設定），或對於多架構二進位檔（例如 Max OS X 上的胖二進位檔）也可以安全地使用。

npy_endian.h 定義了 numpy 特定的位元組順序定義，以 glibc endian.h 為模型。NPY_BYTE_ORDER 等同於 BYTE_ORDER，並且定義了 NPY_LITTLE_ENDIAN 或 NPY_BIG_ENDIAN 之一。至於 CPU 架構，這些定義在標頭檔被編譯器解析時設定，因此可用於跨編譯和多架構二進位檔。