NumPy 1.7.0 發行說明#
此版本包含數個新功能以及眾多錯誤修正和重構。它支援 Python 2.4 - 2.7 和 3.1 - 3.3，並且是最後一個支援 Python 2.4 - 2.5 的版本。
重點#
where=ufunc 的參數（允許使用布林陣列來選擇應執行計算的位置）vectorize改善（新增了 ‘excluded’ 和 ‘cache’ 關鍵字、一般清理和錯誤修正）numpy.random.choice（隨機樣本產生函數）
相容性注意事項#
在 NumPy 的未來版本中，函式 np.diag、np.diagonal 和 ndarray 的 diagonal 方法將傳回原始陣列的視圖，而不是像現在這樣產生副本。如果您寫入由這些函式中的任何一個傳回的陣列，這會有所不同。為了方便這種轉換，numpy 1.7 如果偵測到您可能嘗試寫入此類陣列，則會產生 FutureWarning。請參閱 np.diagonal 的文件以取得詳細資訊。
與上面的 np.diagonal 類似，在 NumPy 的未來版本中，使用欄位名稱清單索引記錄陣列將傳回原始陣列的視圖，而不是像現在這樣產生副本。與 np.diagonal 一樣，numpy 1.7 如果偵測到您可能嘗試寫入此類陣列，則會產生 FutureWarning。請參閱陣列索引的文件以取得詳細資訊。
在 NumPy 的未來版本中，UFunc out= 參數的預設轉換規則將從 ‘unsafe’ 變更為 ‘same_kind’。（這也適用於原地操作，例如 a += b，它等效於 np.add(a, b, out=a)。）大多數違反 ‘same_kind’ 規則的用法很可能是錯誤，因此此變更可能會暴露先前在依賴 NumPy 的專案中未偵測到的錯誤。在此版本的 NumPy 中，此類用法將繼續成功，但會引發 DeprecationWarning。
全陣列布林索引已最佳化為使用不同的最佳化程式碼路徑。此程式碼路徑應產生相同的結果，但歡迎提供有關程式碼變更的任何意見回饋。
嘗試寫入唯讀陣列（arr.flags.writeable 設定為 False 的陣列）過去會不一致地引發 RuntimeError、ValueError 或 TypeError，具體取決於採用的程式碼路徑。現在它始終如一地引發 ValueError。
<ufunc>.reduce 函式以與先前 NumPy 版本不同的順序評估某些歸約，通常提供更高的效能。由於浮點運算的性質，這可能會稍微改變某些結果，就像將 NumPy 連結到不同的 BLAS 實作（例如 MKL）一樣。
如果從 1.5 升級，那麼通常在 1.6 和 1.7 中新增了大量程式碼，並且更改了一些程式碼路徑，尤其是在類型解析和通用函式的緩衝迭代領域。如果您過去依賴意外行為，這可能會對您的程式碼產生影響。
新功能#
歸約 UFuncs 通用化 axis= 參數#
任何 ufunc.reduce 函式呼叫，以及其他歸約（例如 sum、prod、any、all、max 和 min）都支援選擇要歸約的軸子集的能力。先前，可以說 axis=None 表示所有軸，或 axis=# 選擇單一軸。現在，也可以說 axis=(#,#) 選擇軸清單進行歸約。
歸約 UFuncs 新增 keepdims= 參數#
有一個新的 keepdims= 參數，如果設定為 True，則不會丟棄歸約軸，而是將它們的大小設定為 1。當設定此選項時，歸約結果將正確廣播到已歸約的原始運算元。
Datetime 支援#
注意
datetime API 在 1.7.0 中是實驗性的，並且在 NumPy 的未來版本中可能會進行變更。
與 NumPy 1.6 相比，datetime64 有許多修正和增強功能
剖析器對於僅接受 ISO 8601 日期非常嚴格，但有一些方便的擴充功能
正確地在單位之間轉換
datetime 算術運算正常運作
工作日功能（允許在僅特定星期幾有效的情況下使用 datetime）
如需更多詳細資訊，請參閱 doc/source/reference/arrays.datetime.rst 中的註解（線上文件亦可於 arrays.datetime.html 取得）。
用於列印陣列的自訂格式器#
請參閱 numpy.set_printoptions 函式的新 formatter 參數。
新函式 numpy.random.choice#
新增了一個通用取樣函式，它將從給定的類陣列產生樣本。樣本可以有或沒有替換，並且具有均勻或給定的非均勻機率。
新函式 isclose#
傳回一個布林陣列，其中兩個陣列在容差範圍內逐元素相等。可以指定相對容差和絕對容差。
多項式套件中的初步多維度支援#
軸關鍵字已新增至積分和微分函式，張量關鍵字已新增至評估函式。這些新增功能允許在這些函式中使用多維度係數陣列。用於在網格或點集上評估 2-D 和 3-D 係數陣列的新函式與可用於擬合的 2-D 和 3-D 偽 Vandermonde 矩陣一起新增。
填充 rank-n 陣列的能力#
新增了一個包含用於填充 n 維陣列的函式的 pad 模組。各種私有填充函式作為公用 ‘pad’ 函式的選項公開。範例
pad(a, 5, mode='mean')
目前的模式為 constant、edge、linear_ramp、maximum、mean、median、minimum、reflect、symmetric、wrap 和 <function>。
searchsorted 的新引數#
函式 searchsorted 現在接受 ‘sorter’ 引數，該引數是一個排列陣列，用於排序要搜尋的陣列。
建置系統#
新增了對 AArch64 架構的實驗性支援。
C API#
新函式 PyArray_FailUnlessWriteable 提供了一個一致的介面，用於檢查陣列的可寫性 – 任何處理 WRITEABLE 旗標未知為 True 的陣列的 C 程式碼，都應確保在寫入之前呼叫此函式。
新增 NumPy C 風格指南 (doc/C_STYLE_GUIDE.rst)。
變更#
一般#
函式 np.concatenate 嘗試比對其輸入陣列的版面配置。先前，版面配置沒有遵循任何特定原因，並且以不良的方式取決於為串連選擇的特定軸。還修正了一個錯誤，該錯誤會靜默地允許超出範圍的軸引數。
ufuncs logical_or、logical_and 和 logical_not 現在遵循 Python 對物件陣列的行為，而不是嘗試呼叫物件上的方法。例如，運算式 (3 and ‘test’) 產生字串 ‘test’，現在 np.logical_and(np.array(3, ‘O’), np.array(‘test’, ‘O’)) 也會產生 ‘test’。
ndarray 上的 .base 屬性用於視圖，以確保記憶體擁有的基礎陣列不會過早解除配置，現在當您有視圖的視圖時，它會折疊外部參考。例如
a = np.arange(10)
b = a[1:]
c = b[1:]
在 numpy 1.6 中，c.base 是 b，而 c.base.base 是 a。在 numpy 1.7 中，c.base 是 a。
為了提高對依賴 .base 舊行為的軟體的向後相容性，我們僅「跳過」與新建立的視圖類型完全相同的物件。如果您使用 ndarray 子類別，這會有所不同。例如，如果我們混合使用 ndarray 和 matrix 物件，它們都是同一個原始 ndarray 的視圖
a = np.arange(10)
b = np.asmatrix(a)
c = b[0, 1:]
d = c[0, 1:]
那麼 d.base 將會是 b。這是因為 d 是一個 matrix 物件，因此折疊過程僅在遇到其他 matrix 物件時才會繼續。它依序考慮 c、b 和 a，而 b 是該清單中最後一個 matrix 物件的項目。
轉換規則#
由於與 NA 相關的工作，轉換規則在邊緣情況下進行了一些變更。特別是對於 scalar+scalar 的組合
longlong 類型 (q) 現在對於與任何其他數字 (? b h i l q p B H I) 的運算保持 longlong，先前它被轉換為 int_ (l)。ulonglong 類型 (Q) 現在保持為 ulonglong 而不是 uint (L)。
timedelta64 類型 (m) 現在可以與任何整數類型 (b h i l q p B H I L Q P) 混合，先前它會引發 TypeError。
對於陣列 + 純量，上述規則僅廣播，除非陣列和純量是無符號/有符號整數，否則結果會轉換為陣列類型（可能更大的大小），如下列範例所示
>>> (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')
大小是否增加取決於純量的大小，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')
此外，complex128 純量 + float32 陣列會轉換為 complex64。
在 NumPy 1.7 中，datetime64 類型 (M) 必須透過明確指定類型作為第二個引數來建構（例如 np.datetime64(2000, 'Y')）。
棄用#
一般#
使用 _format 陣列屬性指定自訂字串格式器已被棄用。可以使用 numpy.set_printoptions 或 numpy.array2string 中的新 formatter 關鍵字來代替。
多項式套件中已棄用的匯入已移除。
如果 axis != 0，concatenate 現在會針對 1D 陣列引發 DepractionWarning。NumPy < 1.7.0 版本忽略了 1D 陣列的軸引數值。我們目前允許這樣做，但在適當的時候我們會引發錯誤。
C-API#
直接存取 PyArrayObject* 的欄位已被棄用。長期以來，一直不建議直接存取。預計未來會對 PyArray_Descr* 和其他核心物件進行類似的棄用，以為 NumPy 2.0 做準備。
old_defines.h 中的巨集已被棄用，將在下一個主要版本 (>= 2.0) 中移除。sed 腳本 tools/replace_old_macros.sed 可用於將這些巨集替換為較新版本。
您可以透過在包含任何 NumPy 標頭之前新增由 #define NPY_NO_DEPRECATED_API 和目標版本號（例如 NPY_1_7_API_VERSION）組成的行來測試您的程式碼是否與已棄用的 C API 相容。
NPY_TYPES 列舉的 NPY_CHAR 成員已被棄用，將在 NumPy 1.8 中移除。請參閱 gh-2801 上的討論以取得更多詳細資訊。