全局状态

NumPy 有一些导入时、编译时或运行时选项，可以更改全局行为。其中大多数与性能或调试目的相关，绝大多数用户不会感兴趣。

性能相关选项

用于线性代数的线程数

NumPy 本身通常在函数调用期间有意限制为单个线程，但它确实支持同时运行多个 Python 线程。请注意，对于高性能线性代数，NumPy 使用 BLAS 后端（例如 OpenBLAS 或 MKL），它可以使用可由环境变量（例如OMP_NUM_THREADS 取决于所使用的内容）控制的多个线程。控制线程数量的一种方法是包 threadpoolctl

Linux 上的 Madvise 大页

在现代 Linux 内核上使用非常大的数组时，使用 透明大页可以显着提高速度。当前透明大页的系统策略可以通过以下方式查看：

cat /sys/kernel/mm/transparent_hugepage/enabled

设置为madviseNumPy 通常会使用大页面来提高性能。可以通过设置环境变量来修改此行为：

NUMPY_MADVISE_HUGEPAGE=0

或将其设置为1始终启用它。如果未设置，默认情况下在 Kernels 4.6 及更高版本上使用 madvise。这些内核在大页面支持下可能会获得很大的加速。该标志在导入时检查。

SIMD 功能选择

设置NPY_DISABLE_CPU_FEATURES将在运行时排除 simd 功能。请参阅运行时调度。

调试相关选项

放松的步伐检查

编译时环境变量：

NPY_RELAXED_STRIDES_DEBUG=0

可以设置为帮助调试用 C 编写的手动迭代数组的代码。当数组是连续的并且以连续方式迭代时，strides不应查询它。此选项可以帮助查找strides错误使用的错误。有关详细信息，请参阅内存布局文档。

释放数据时如果没有内存分配策略则发出警告

ndarray某些用户可能会通过设置标志来将数据指针的所有权传递给OWNDATA。如果他们在没有（手动）设置内存分配策略的情况下执行此操作，则默认情况下将调用free.如果 NUMPY_WARN_IF_NO_MEM_POLICY设置为"1"，RuntimeWarning则会发出 a 。更好的选择是将 aPyCapsule与解除分配器一起使用并设置ndarray.base.

测试计划的未来行为

NumPy 有一些计划在将来激活的代码路径，但尚未成为默认行为。您可以尝试通过在导入 NumPy 之前设置环境来测试其中一些可能随新的“主要”版本 (NumPy 2.0) 一起提供的内容：

NPY_NUMPY_2_BEHAVIOR=1

默认情况下，这还将激活NEP 50相关设置 NPY_PROMOTION_STATE（有关详细信息，请参阅 NEP）。

在版本 1.25.2 中更改：仅在第一次导入时检查此变量。