Numpy 1.8.0发行说明¶

这个版本支持python 2.6-2.7和3.2-3.3。

集锦¶

新的、没有2to3、python 2和python 3由公共代码库支持。
新的，用于线性代数的gufuncs，支持对堆叠数组的操作。
新的，就地花式索引的UFUNC与 .at 方法。
新的， partition 函数，通过选择快速中值部分排序。
新的， nanmean ， nanvar 和 nanstd 函数跳过NaN。
新的， full 和 full_like 用于创建值初始化数组的函数。
新的， PyUFunc_RegisterLoopForDescr 更好地支持用户数据类型。
许多方面的性能改进。

下降支座¶

对python版本2.4和2.5的支持已被放弃，

已移除对scons的支持。

未来变化¶

在此版本中，datetime64类型仍然是实验性的。在1.9中，可能会有一些改变使其更有用。

对角方法当前返回一个新数组并引发一个FutureWarning。在1.9中，它将返回只读视图。

结构化类型数组中的多个字段选择当前返回新数组并引发未来警告。在1.9中，它将返回只读视图。

numpy/oldnumeric和numpy/numarray兼容模块将在1.9中删除。

兼容性说明¶

doc/sphinxext内容已移动到其自己的Github存储库中，并作为子模块包含在numpy中。有关如何访问内容，请参阅doc/how to_build_docs.rst.txt中的说明。

numpy.void scalars的哈希函数已更改。以前，指向数据的指针被散列为一个整数。现在，散列函数使用元组散列算法组合标量元素的散列函数，但前提是标量是只读的。

默认情况下，Numpy已将其构建系统切换为使用“单独编译”。在以前的版本中，这是受支持的，但不是默认的。这将产生与旧系统相同的结果，但是如果您尝试静态地执行复杂的链接或使用异常的编译器，那么您可能会遇到问题。如果是这样，请提交一个bug，作为临时解决方案，您可以通过导出shell变量npy_separate_compilation=0来重新启用旧的构建系统。

对于AdvancedNew迭代器， oa_ndim 标志现在应该是-1以指示否 op_axes 和 itershape 都通过了。这个 oa_ndim == 0 case，现在表示0-d迭代，并且 op_axes 为空，旧用法已弃用。这不会影响 NpyIter_New 或 NpyIter_MultiNew 功能。

函数nanargmin和nanargmax现在返回np.iinfo [“因特”] .min表示所有NaN切片中的索引。以前，函数会为数组返回引发ValueError，为标量返回引发NaN。

NPY_RELAXED_STRIDES_CHECKING¶

有一个新的编译时环境变量 NPY_RELAXED_STRIDES_CHECKING . 如果将该变量设置为1，那么numpy将考虑更多的数组是C-或F-连续的——例如，可以同时考虑C-和F-连续的列向量。新的定义更准确，允许更快的代码，从而减少不必要的复制，并在内部简化numpy的代码。但是，它也可能会破坏第三方库，因为第三方库对C和F连续数组的跨距值做了过强的假设。（目前也知道这会使用memoryviews破坏cython代码，而memoryviews将在cython中修复。）这将成为未来版本中的默认设置，因此请根据以下代码构建的numpy测试您的代码：

NPY_RELAXED_STRIDES_CHECKING=1 python setup.py install

你可以通过跑步来检查NPY放松步幅检查是否有效：

np.ones((10, 1), order="C").flags.f_contiguous

这将是 True 如果启用了放松步幅检查，并且 False 否则。到目前为止，我们看到的典型问题是C代码，它与C连续数组一起工作，并假定可以通过查看中的最后一个元素来访问itemsize。 PyArray_STRIDES(arr) 数组。当放松的步伐生效时，这是不正确的（事实上，在某些角落的情况下，这从来不是真的）。相反，使用 PyArray_ITEMSIZE(arr) .

有关更多信息，请检查文档中的“ndarray的内存布局”部分。

以非数组作为第二个参数的二进制操作¶

形式的二进制运算 <array-or-subclass> * <non-array-subclass> 在哪里？ <non-array-subclass> 声明一个 __array_priority__ 高于 <array-or-subclass> 将无条件返回 NotImplemented 给予 <non-array-subclass> 操作的机会。以前， NotImplemented would only be returned if <non-array-subclass> actually implemented the reversed operation, and after a (potentially expensive) array conversion of <non-array-subclass> had been attempted. (bug ， pull request ）

功能 median 用于 overwrite_input 只对数组进行部分排序¶

如果 median 用于 overwrite_input 选项输入数组现在只能部分排序而不是完全排序。

固定到financial.npv¶

NPV函数有一个错误。与文档所述相反，它是从索引中总结出来的 1 到 M 而不是来自 0 到 M - 1 . 修复程序更改返回值。mirr函数称为npv函数，但它解决了这个问题，因此它也是固定的，mirr函数的返回值保持不变。

比较NaN编号时出现运行时警告¶

比较 NaN 浮点数现在提升 invalid 运行时警告。如果A NaN 应为，可以使用np.errstate忽略警告。例如。：：

with np.errstate(invalid='ignore'):
    operation()

新特点¶

对堆叠阵列上线性代数的支持¶

gufunc机器现在用于np.linalg，允许对堆叠的数组和向量进行操作。例如：：

>>> a
array([[[ 1.,  1.],
        [ 0.,  1.]],

       [[ 1.,  1.],
        [ 0.,  1.]]])

>>> np.linalg.inv(a)
array([[[ 1., -1.],
        [ 0.,  1.]],

       [[ 1., -1.],
        [ 0.,  1.]]])

为不明飞行物制定适当的索引¶

函数 at 已添加到ufunc对象中，以便在使用花式索引时允许就地ufunc不进行缓冲。例如，下面将递增数组中的第一个和第二个项，并将递增第三个项两次： numpy.add.at(arr, [0, 1, 2, 2], 1)

这是许多人错误的想法 arr[[0, 1, 2, 2]] += 1 可以，但这不起作用，因为 arr[2] 只需复制到 arr 两次，而不是两次递增。

新功能 partition 和 argpartition¶

通过选择算法对数组进行部分排序的新函数。

A partition 按指数 k 移动 k 数组前面的最小元素。之前的所有元素 k 然后小于或等于位置中的值 k 以及以下所有元素 k 大于或等于位置中的值 k . 这些界限内的值的顺序未定义。可以提供一系列索引，以便在迭代分区时将所有索引排序到其排序位置。这可用于有效地获取订单统计数据，如样本的中位数或百分位数。 partition 线性时间复杂度为 O(n) 当一个完整的分类 O(n log(n)) .

新功能 nanmean ， nanvar 和 nanstd¶

新增了NAN感知统计函数。在这些函数中，如果在所有计算中忽略了NaN值，则会得到结果。

新功能 full 和 full_like¶

新的方便函数，用于创建填充了特定值的数组；与现有的 zeros 和 zeros_like 功能。

与大文件的IO兼容性¶

大于2GB的大型NPZ文件可以加载到64位系统上。

针对openblas的建筑¶

现在可以通过编辑site.cfg针对openblas构建numpy。

新常量¶

欧拉常数现在以numpy形式显示为欧拉伽玛。

新的二维码模式¶

新的模式'complete'、'reduced'和'raw'已添加到QR分解中，旧的'full'和'economic'模式已被弃用。“reduced”模式取代了旧的“full”模式，是默认的“full”模式，因此可以通过不指定模式来保持向后兼容性。

“完全”模式返回全维因子分解，这对于获取范围空间的正交补码的基础很有用。“raw”模式返回包含户主反射镜和比例因子的数组，这些反射镜和比例因子可以在将来应用q而无需转换为矩阵。“经济”模式只是被弃用了，它没有太多的用途，也没有比“原始”模式更有效。

新的 invert 参数 in1d¶

函数 in1d 现在接受 invert 当 True ，使返回的数组反转。

高级索引使用 np.newaxis¶

现在可以使用 np.newaxis /` none`与索引数组一起使用，而不是只在简单索引中使用。这意味着 array[np.newaxis, [0, 1]] 现在将按预期工作，并在为数组准备新轴时选择前两行。

C-API¶

新的UFUNC现在可以注册为内置输入类型和自定义输出类型。在此更改之前，当从python调用ufunc时，numpy无法找到正确的ufunc循环函数，因为ufunc循环签名匹配逻辑没有查看输出操作数类型。现在，只要用户提供具有正确输出类型的输出参数，就会找到正确的ufunc循环。

runtests.py¶

一个简单的测试运行程序脚本 runtests.py 加入。它还建立了numpy via setup.py build 并且可以在开发期间轻松地用于运行测试。

改进¶

IO性能改进¶

通过分块提高了读取大型文件的性能（另请参见IO兼容性）。

性能改进 pad¶

这个 pad 函数有一个新的实现，大大提高了除 mode= （为了向后兼容而保留）。对于秩大于等于4的情况，具有维数的缩放得到了显著的改进。

性能改进 isnan ， isinf ， isfinite 和 byteswap¶

isnan ， isinf ， isfinite 和 byteswap 已经进行了改进，以利用编译器内置功能，避免对libc进行昂贵的调用。这将在GNUlibc系统上提高这些操作的性能大约两倍。

通过SSE2矢量化提高性能¶

为了利用SSE2 CPU SIMD指令，对多个功能进行了优化。

float32和float64：
- 基础数学 (add ， subtract ， divide ， multiply ）
- sqrt
- minimum/maximum
- absolute
Bool：
- logical_or
- logical_and
- logical_not

这将提高这些操作的性能，根据CPU缓存中数据的位置，float32/float64最多可提高4x/2x，bool最多可提高10x。对于就地操作，性能增益最大。

为了使用改进的函数，必须在编译时启用SSE2指令集。它默认在x86_64系统上启用。在具有可用CPU的x86_32上，必须通过将适当的标志传递给cflags build变量（使用gcc的msse2）来启用它。

性能改进 median¶

median 现按以下方式实施： partition 而不是 sort 它将时间复杂性从O（n log（n））降低到O（n）。如果与 overwrite_input 选项数组现在只部分排序，而不是完全排序。

UFUNC C-API中可重写的操作数标志¶

创建ufunc时，可以通过ufunc对象的新opu flags属性重写默认的ufunc操作数标志。例如，要为第一个要读/写的输入设置操作数标志：

PyObject * ufunc=pyufunc_fromfuncddata（…）；ufunc->op_标志 [0] =npy-iter-readwrite；

这允许ufunc就地执行操作。此外，全局nditer标志可以通过ufunc对象的新iter-flags属性重写。例如，要设置ufunc的reduce标志：

ufunc->iter_flags=npy_iter_reduce_ok；

变化¶

一般¶

函数np.take现在允许0-D数组作为索引。

现在，默认情况下启用单独的编译模式。

对np.insert和np.delete的几个更改：

以前，只会忽略指向数组末尾的负索引和索引。现在，这将引发一个未来警告或反预测警告。将来，它们将被视为普通索引对待它们——负索引将环绕，超出界限的索引将产生错误。
以前，布尔索引被视为整数（总是指数组中的第0项或第1项）。在未来，他们将被当作面具对待。在这个版本中，他们对即将发生的变化提出了一个未来警告。
在1.7号。np.insert已经允许使用语法 np.insert(arr, 3, [1,2,3]) 在一个位置插入多个项目。在1.8号。这也是可能的 np.insert(arr, [3], [1, 2, 3]) .

从np.pad填充的区域现在是正确的圆形，而不是截断。

C-API数组添加¶

在数组C-API中添加了四个新函数。

PyArray_Partition
PyArray_ArgPartition
PyArray_SelectkindConverter
PyDataMem_NEW_ZEROED

C-API UFUNC添加¶

一个新的函数被添加到UFUNC C-API中，它允许使用DESCR为用户类型注册一个内部循环。

PyUFunc_RegisterLoopForDescr

C-API开发人员改进¶

这个 PyArray_Type 实例创建函数 tp_new 现在使用 tp_basicsize 确定要分配多少内存。仅在早期版本中 sizeof(PyArrayObject) 分配了字节的内存，通常需要重新实现C-API子类型 tp_new .

贬抑¶

QR因子分解的“完全”和“经济”模式已被弃用。

一般¶

不推荐使用非整数作为索引和大多数整数参数。以前的浮点索引和函数参数（如轴或形状）被截断为整数而不发出警告。例如 arr.reshape(3., -1) 或 arr[0.] 将在numpy 1.8中触发拒绝警告，在未来的numpy版本中，它们将引发错误。

作者¶

此版本包含以下人员的工作，他们为此版本至少提供了一个补丁。名字按名字的字母顺序排列：

87
Adam Ginsburg +
亚当·格里菲斯+
亚历山大·伯罗波尔斯基+
Alex Barth +
Alex Ford +
安德烈亚斯希尔博尔+
安德烈亚斯·克洛伊克纳+
安德烈亚斯·施瓦布+
Andrew Horton +
阿格里芬+
Arink Verma +
巴戈阿米贝克语+
巴托斯电信公司+
贝伯特218+
Benjamin Root +
Bill Spotz +
布拉德利·M·弗罗尔
Carwyn Pelley +
查尔斯·哈里斯
克里斯
克里斯蒂安·布鲁弗+
克里斯托夫·丹恩+
克里斯托夫·戈尔克
Dan Hipschman +
丹尼尔+
Dan Miller +
DavyDave400
大卫·库纳波
大卫沃德法利
丹尼斯拉克拉德
德默纳
Edward Catmur +
Egor Zindy +
内岩
埃里克点火
埃里克·福德
Eric Moore +
Eric Price +
法兹鲁沙赫里亚尔+
F_lix哈特曼+
培瑞兹
Frank B +
弗兰克·布雷特林+
弗里德里克
加布里埃尔
GaelVaroquaux
Guillaume Gay +
汉儒
哈罗德米尔斯
克雷姆+
詹姆斯韦伯伯
Jason Madden +
杰伊布尔克
杰罗姆凯莱赫+
杰斯·G·梅兹+
JMOZMOZ+
乔诺斯曼
约翰内斯·施恩伯格+
约翰·本尼迪克森+
约翰·萨尔瓦蒂埃+
约翰·施彻尔特+
乔纳森·沃尔特曼+
Joon Ro +
Jos de Kloe +
约瑟夫·马蒂诺·拉加德+
乔希·华纳（Mac）+
约斯坦B_fl_ystad+
胡安·路易斯·卡诺·罗德尔·盖兹+
Julian Taylor +
Julien Phalip +
K.-迈克尔·艾尔+
Kumar Appaiah +
拉尔斯布丁克
Leon Weber +
路易斯·佩德罗·科埃略
马金·朱兹基维茨
职业选手马克·韦伯
马丁·范·克威克+
Martin Baeuml +
马丁史派克
马丁·泰希曼+
Matt Davis +
马太布雷特
马克西米利安·阿尔伯特+
M—D W+
迈克尔·德罗特布姆
MWTWEWS+
纳撒尼尔·J·史密斯
尼古拉斯·谢弗+
Nils Werner +
奥乔达维德
Ond_ej_ert_k
奥维拉莱斯
保罗伊万诺夫
泡利·维塔坦
彼得杰
拉尔夫甘默斯
Raul Cota +
理查德·哈特斯利+
Robert Costa +
罗伯特·科恩
Rob Ruana +
罗南拉米
桑德罗托西
沙沙培力克+
塞巴斯蒂安伯格
船长西伯德
范德华
史提夫+
Takafumi Arakaki公司+
托马斯·罗比泰尔+
Tomas Tomecek +
特拉维斯·E·奥列芬特
瓦伦丁海涅尔
弗拉基米尔·拉特斯基+
沃伦·韦克瑟
雅罗斯拉夫哈尔琴科
尤里诉扎伊特塞夫案+

共有119人参与了这次释放。名字带“+”的人第一次贡献了一个补丁。

numpy 1.8.1发行说明 Numpy 1.7.2发行说明