NumPy 1.23.0 发布说明#
NumPy 1.23.0 版本继续进行改进数据类型处理和推广、提高执行速度、澄清文档以及终止旧的弃用的工作.亮点包括:
在C语言中实现
loadtxt,大大提高了其性能.在Python级别上公开DLPack以便于轻松数据交换.
对结构化dtypes的推广和比较的更改.
对 f2py 的改进.
详情请见下方,
新功能#
弃用#
将
__array_finalize__设置为None已被弃用.现在它必须是一个方法,并且在检查None或如果 NumPy 版本足够新之后,可能希望调用super().__array_finalize__(obj).(gh-20766)
在许多情况下,使用
axis=32(axis=np.MAXDIMS) 与axis=None具有相同的含义.这已被弃用,必须改用axis=None.(gh-20920)
钩子函数
PyDataMem_SetEventHook已被弃用,并且在 tool/allocation_tracking 中对其使用的演示已被移除.现在,通过tracemalloc可以内置跟踪分配的能力.(gh-20394)
numpy.distutils已被弃用,因为distutils本身已被弃用.它将不会出现在 Python >= 3.12 的 NumPy 中,并且将在 Python 3.12 发布后的两年内完全移除.更多详情,请参见 numpy.distutils 的状态和迁移建议.(gh-20875)
numpy.loadtxt现在会在请求整数dtype但值格式化为浮点数时给出DeprecationWarning.(gh-21663)
过时的弃用#
NpzFile.iteritems()和NpzFile.iterkeys()方法已作为持续移除 Python 2 兼容性的一部分被移除.这结束了自 1.15 版本以来的弃用.(gh-16830)
alen和asscalar函数已被移除.(gh-20414)
UPDATEIFCOPY数组标志已经与枚举NPY_ARRAY_UPDATEIFCOPY一起被移除.相关的（并且已弃用的）``PyArray_XDECREF_ERR`` 也被移除.这些都在1.14版本中被弃用.它们被NPY_ARRAY_WRITEBACKIFCOPY取代,这需要在数组被释放之前调用PyArray_ResolveWritebackIfCopy.(gh-20589)
在类似数组的创建过程中会引发异常.当对象在访问特殊属性
__array__或__array_interface__期间引发异常时,通常会忽略此异常.这种行为在 1.21 中已被弃用,现在将引发异常.(gh-20835)
不允许使用非元组值进行多维索引.以前,代码如
arr[ind]其中ind = [[0, 1], [0, 1]]会产生一个FutureWarning并被解释为多维索引（即arr[tuple(ind)]）.现在这个例子被视为单个维度的数组索引（arr[array(ind)]）.在 NumPy 1.15 中,使用非元组进行多维索引已被弃用.(gh-21029)
在 F-连续数组中更改为不同大小的 dtype 不再允许.自 Numpy 1.11.0 起已弃用.请参见下方以获取有关此更改影响的详细解释.
(gh-20722)
新功能#
crackfortran 支持运算符和赋值重载#
crackfortran 解析器现在理解模块中的运算符和赋值定义.它们被添加到包含新键 implementedby 的模块的 body 列表中,该键列出了实现运算符或赋值的子程序或函数的名称.
(gh-15006)
f2py 支持从派生类型语句中读取访问类型属性#
因此,不需要使用 public 或 private 语句来指定派生类型的访问属性.
(gh-15844)
新增参数 ndmin 到 genfromtxt#
此参数的行为与 numpy.loadtxt 中的 ndmin 相同.
(gh-20500)
np.loadtxt 现在支持引号字符和单个转换器函数#
numpy.loadtxt 现在支持一个额外的 quotechar 关键字参数,默认情况下不设置.使用 quotechar='"' 将读取由 Excel CSV 方言使用的带引号的字段.
此外,现在可以为 converters 参数传递一个可调用对象,而不是一个字典.
(gh-20580)
更改到不同大小的 dtype 现在只需要最后一个轴的连续性#
之前,查看具有不同项大小的 dtype 的数组需要整个数组是 C-连续的.这个限制会不必要地迫使用户在能够更改 dtype 之前,先对非连续数组进行连续复制.
这一更改不仅影响 ndarray.view,还影响其他构造机制,包括不鼓励的直接赋值给 ndarray.dtype.
此更改使关于查看 F-连续数组的弃用声明失效,这在发布说明的其他地方有所描述.
(gh-20722)
F2PY 的确定性输出文件#
对于F77输入,``f2py`` 将无条件生成 modname-f2pywrappers.f,尽管这些文件可能是空的.对于自由格式输入,``modname-f2pywrappers.f`` 和 modname-f2pywrappers2.f90 都将无条件生成,并且可能为空.这允许在 cmake 或 meson 及其他构建系统中编写通用的输出规则.可以通过传递 --skip-empty-wrappers 给 f2py 来恢复旧的行为.:ref:f2py-meson 详细说明了用法.
(gh-21187)
keepdims 参数用于 average#
参数 keepdims 被添加到函数 numpy.average 和 numpy.ma.average 中.该参数在诸如 numpy.sum 或 numpy.mean 的归约函数中的含义相同.
(gh-21485)
新增参数 equal_nan 到 np.unique#
np.unique 在 1.21 版本中进行了更改,将所有 NaN 值视为相等并返回一个 NaN.设置 equal_nan=False 将恢复 1.21 版本之前的行为,将 NaNs 视为唯一.默认为 True.
(gh-21623)
兼容性说明#
1D np.linalg.norm 保留浮点输入类型,即使是标量结果#
之前,当 ord 参数不是明确列出的值之一时,例如 ord=3,这会提升到 float64:
>>> f32 = np.float32([1, 2])
>>> np.linalg.norm(f32, 2).dtype
dtype('float32')
>>> np.linalg.norm(f32, 3)
dtype('float64') # numpy 1.22
dtype('float32') # numpy 1.23
此更改仅影响 float32 和 float16 向量,且 ord 不是 -Inf、0、1、2 和 Inf.
(gh-17709)
对结构化（空）dtype 提升和比较的更改#
一般来说,NumPy 现在通过提升每个字段的子类型而不是引发异常,为结构化 dtype 定义了正确但略有局限的提升:
>>> np.result_type(np.dtype("i,i"), np.dtype("i,d"))
dtype([('f0', '<i4'), ('f1', '<f8')])
对于匹配字段名称、顺序和标题的推广,强制执行,但忽略填充.涉及结构化dtypes的推广现在总是确保所有字段的本地字节顺序（这可能会改变 np.concatenate 的结果）,并确保结果将是”打包的”,即所有字段都是连续排列的,并且填充被移除.有关更多详细信息,请参见 结构比较和提升.
对齐结构的 repr 现在将永远不会打印包含 offsets 和 itemsize 的长格式,除非结构包含 align=True 不保证的填充.
在与上述促销逻辑的更改保持一致的情况下,投射安全性已更新:
"equiv"强制匹配名称和标题.由于填充,项目大小允许不同."safe"允许字段名和标题不匹配铸造安全受每个包含字段的安全性限制.
字段的顺序用于决定每个字段的转换安全性.以前,使用字段名称,只有在名称不匹配时才可能进行不安全的转换.
这里的主要重要变化是名称不匹配现在被认为是”安全的”转换.
(gh-19226)
NPY_RELAXED_STRIDES_CHECKING 已被移除#
NumPy 不能再使用 NPY_RELAXED_STRIDES_CHECKING=0 进行编译了.宽松的步幅已经成为默认设置多年,该选项最初是为了实现更平滑的过渡而引入的.
(gh-20220)
np.loadtxt 已经收到了几个更改#
numpy.loadtxt 的行计数已修复.``loadtxt`` 忽略文件中完全空白的行,但将它们计入 max_rows.当使用 max_rows 并且文件包含空行时,这些行现在不会被计入.以前,即使有更多数据可供读取,结果也可能包含少于 max_rows 行.如果需要旧的行为,可以使用 itertools.islice:
import itertools
lines = itertools.islice(open("file"), 0, max_rows)
result = np.loadtxt(lines, ...)
虽然通常更快且有所改进,``numpy.loadtxt`` 现在可能无法将某些字符串转换为数字,而这些字符串在以前是可以成功读取的.这种情况最重要的例子是:
将浮点值（如
1.0）解析为整数现在已弃用.解析十六进制浮点数,例如
0x3p3将会失败以前接受
_作为千位分隔符100_000.现在这将导致错误.
如果你遇到这些限制,都可以通过传递适当的 converters= 来解决.NumPy 现在支持传递一个转换器用于所有列,以使这更方便.例如,``converters=float.fromhex`` 可以读取十六进制浮点数,而 converters=int 将能够读取 100_000.
此外,错误信息已经普遍得到改进.然而,这意味着错误类型可能会有所不同.特别是,当解析单个条目失败时,现在总是会引发 ValueError.
(gh-20580)
改进#
ndarray.__array_finalize__ 现在可调用#
这意味着子类现在可以使用 super().__array_finalize__(obj) 而不用担心 ndarray 是否是它们的超类.实际调用仍然是空操作.
(gh-20766)
添加对 VSX4/Power10 的支持#
通过启用VSX4/Power10,可以在Power ISA 3.1中使用新的指令来加速一些NumPy操作,例如,floor_divide、modulo等.
(gh-20821)
np.fromiter 现在接受对象和子数组#
numpy.fromiter 函数现在支持对象和子数组的数据类型.请参阅函数文档以获取示例.
(gh-20993)
数学C库特性检测现在使用正确的签名#
编译之前会有一个检测阶段,以确定底层 libc 是否支持某些数学运算.之前这段代码没有遵循正确的签名.修复这个问题使得可以为 wasm-ld 后端（为 WebAssembly 编译）启用编译,并减少了警告的数量.
(gh-21154)
np.kron 现在保持子类信息#
np.kron 现在在计算输入的克罗内克积时保持子类信息,例如掩码数组.
>>> x = ma.array([[1, 2], [3, 4]], mask=[[0, 1], [1, 0]])
>>> np.kron(x,x)
masked_array(
data=[[1, --, --, --],
[--, 4, --, --],
[--, --, 4, --],
[--, --, --, 16]],
mask=[[False, True, True, True],
[ True, False, True, True],
[ True, True, False, True],
[ True, True, True, False]],
fill_value=999999)
警告
np.kron 输出现在遵循 ufunc 顺序 (multiply) 来确定输出类类型
>>> class myarr(np.ndarray):
>>> __array_priority__ = -1
>>> a = np.ones([2, 2])
>>> ma = myarray(a.shape, a.dtype, a.data)
>>> type(np.kron(a, ma)) == np.ndarray
False # Before it was True
>>> type(np.kron(a, ma)) == myarr
True
(gh-21262)
性能提升和变化#
更快的 np.loadtxt#
numpy.loadtxt 现在通常比以前快得多,因为它现在大部分是用 C 语言实现的.
(gh-20580)
更快的归约运算符#
像 numpy.sum、numpy.prod、numpy.add.reduce、numpy.logical_and.reduce 这样的归约操作在连续的基于整数的数组上现在快得多.
(gh-21001)
更快的 np.where#
numpy.where 现在在不可预测/随机输入数据上比以前快得多.
(gh-21130)
NumPy 标量上的更快操作#
许多对 NumPy 标量的操作现在显著加快了,尽管一些罕见操作（例如使用 0-D 数组而不是标量）在某些情况下可能会变慢.然而,即使有这些改进,希望为其标量获得最佳性能的用户可能希望使用 scalar.item() 将已知的 NumPy 标量转换为 Python 标量.
(gh-21188)
更快的 np.kron#
numpy.kron 现在使用广播计算产品,速度提高了80%.
(gh-21354)