NumPy 1.3.0 发行说明#
这个次要版本包括大量错误修复、官方 python 2.6 支持以及一些新功能，例如通用 ufunc。
强调＃
Python 2.6 支持#
Python 2.6 现在在所有以前支持的平台上都受支持，包括 Windows。
广义 ufunc #
通常不仅需要循环标量上的函数，还需要循环向量（或数组）上的函数，如 http://scipy.org/scipy/numpy/wiki/GeneralLoopingFunctions上所述。我们建议通过泛化通用函数 (ufuncs) 来实现这一概念，并提供一个 C 实现，为 numpy 代码库添加约 500 行。在当前（专用）ufunc 中，初等函数仅限于逐个元素操作，而广义版本支持“子数组”到“子数组”操作。 Perl 向量库 PDL 提供了类似的功能，并且下面重复使用其术语。
每个广义 ufunc 都有与之相关的信息，说明输入的“核心”维度是什么，以及输出的相应维度（元素级 ufunc 的核心维度为零）。所有参数的核心维度列表称为 ufunc 的“签名”。例如，ufunc numpy.add 具有签名“(),()->()”，定义两个标量输入和一个标量输出。
另一个例子是（参见 GeneralLoopingFunctions 页面）函数 inner1d(a,b) ，其签名为“(i),(i)->()”。这将沿每个输入的最后一个轴应用内积，但保持其余索引不变。例如，如果 a 的形状为 (3,5,N)，b 的形状为 (5,N)，则这将返回形状为 (3,5) 的输出。底层初等函数被调用 3*5 次。在签名中，我们为每个输入指定一个核心维度“(i)”，为输出指定零个核心维度“()”，因为它需要两个一维数组并返回一个标量。通过使用相同的名称“i”，我们指定两个对应的维度应该具有相同的大小（或者其中一个维度的大小为1并且将被广播）。
超出核心尺寸的尺寸称为“环”尺寸。在上面的示例中，这对应于 (3,5)。
应用通常的 numpy“广播”规则，其中签名确定每个输入/输出对象的维度如何分为核心维度和循环维度：
虽然输入数组的维数小于相应的核心维数，但其形状前会添加 1。从所有输入中删除核心维度，并广播剩余维度；定义循环尺寸。输出由环路尺寸加上输出核心尺寸给出。
实验性 Windows 64 位支持#
Numpy 现在可以使用 MS 编译器和 mingw-w64 编译器在 Windows 64 位（仅限 amd64，而不是 IA64）上构建：
这是高度实验性的：请勿用于生产用途。有关限制以及如何自行构建的更多信息，请参阅 INSTALL.txt，Windows 64 位部分。
新功能＃
格式问题#
浮点格式化现在由 numpy 而不是 C 运行时处理：这可以实现与区域设置无关的格式化，更强大的 fromstring 和相关方法。特殊值（inf 和 nan）在跨平台（nan 与 IND/NaN 等）之间也更加一致，并且与最近的 python 格式化工作（2.6 及更高版本）更加一致。
最大/最小的 Nan 处理#
最大/最小 ufunc 现在可以可靠地传播 nan。如果参数之一是 nan，则返回 nan。这会影响 np.min/np.max、amin/amax 和数组方法 max/min。添加了新的 ufunc fmax 和 fmin 来处理非传播 nan。
Nan 处理标志#
ufunc 符号现在返回 nan 作为 anan 的符号。
新的 ufunc #
fmax - 与整数类型和非 nan 浮点数的最大值相同。如果一个参数为 nan，则返回非 nan 参数；如果两个参数均为 nan，则返回 nan。
fmin - 与整数类型和非 nan 浮点数的最小值相同。如果一个参数为 nan，则返回非 nan 参数；如果两个参数均为 nan，则返回 nan。
deg2rad - 将度数转换为弧度，与弧度 ufunc 相同。
rad2deg - 将弧度转换为度数，与度数 ufunc 相同。
log2 - 以 2 为底的对数。
exp2 - 以 2 为底的指数。
trunc - 将浮点数截断为最接近零的整数。
logaddexp - 将存储为对数的数字相加并返回结果的对数。
logaddexp2 - 将存储为以 2 为底的对数的数字相加，并返回结果的以 2 为底的对数。
屏蔽数组#
一些新功能和错误修复，包括：
MaskedArray 现在应该完全支持结构化数组（r6463、r6324、r6305、r6300、r6294…）
小错误修复（r6356、r6352、r6335、r6299、r6298）
改进了对 __iter__ (r6326) 的支持
使基类、共享掩码和硬掩码可供用户访问（但只读）
文档更新
Windows 上的 gfortran 支持#
Gfortran 现在可以用作 Windows 上 numpy 的 fortran 编译器，即使 C 编译器是 Visual Studio（VS 2005 及更高版本；VS 2003 不起作用）。 Gfortran + Visual Studio 不适用于 Windows 64 位（但 gcc + gfortran 可以）。目前尚不清楚是否可以在 x64 上使用 gfortran 和 Visual Studio。
Windows 二进制文件的 Arch 选项#
现在可以从安装的超级包的命令行绕过自动拱门检测：
numpy-1.3.0-superpack-win32.exe /arch=nosse
将安装一个可在任何 x86 上运行的 numpy，即使运行的计算机支持 SSE 设置。
已弃用的功能#
直方图#
直方图的语义已被修改，以解决异常值处理方面长期存在的问题。主要变化涉及
bin 边缘的定义，现在包括最右边的边缘，以及
上部异常值的处理，现在被忽略而不是记录在最右边的垃圾箱中。
仍然可以使用new=False访问以前的行为，但这已被弃用，并将在 1.4.0 中完全删除。
文档更改#
添加了大量文档。用户指南和参考都可以从 sphinx 构建。
新的 C API #
多数组 API #
多数组 C API 中添加了以下函数：
PyArray_GetEndianness：获取运行时字节序
Ufunc API #
ufunc API 中添加了以下函数：
PyUFunc_FromFuncAndDataAndSignature：声明一个更通用的ufunc（广义ufunc）。
新定义#
新的公共 C 定义可通过 numpy/npy_cpu.h 用于 ARCH 特定代码：
NPY_CPU_X86：x86 架构（32 位）
NPY_CPU_AMD64：amd64 架构（x86_64，不是安腾）
NPY_CPU_PPC：32位ppc
NPY_CPU_PPC64：64位ppc
NPY_CPU_SPARC：32 位 SPARC
NPY_CPU_SPARC64：64 位 SPARC
NPY_CPU_S390：S390
NPY_CPU_IA64：ia64
NPY_CPU_PARISC：巴黎
还添加了用于 CPU 字节顺序的新宏（有关详细信息，请参阅下面的内部更改）：
NPY_BYTE_ORDER：整数
NPY_LITTLE_ENDIAN/NPY_BIG_ENDIAN 定义
这些为没有 glibc endian.h 宏的平台提供了可移植的替代方案。
便携式 NAN、INFINITY 等…… #
npy_math.h 现在提供了几个可移植宏来获取 NAN、INFINITY：
NPY_NAN：相当于NAN，是GNU扩展
NPY_INFINITY：相当于C99 INFINITY
NPY_PZERO、NPY_NZERO：分别为正零和负零
还可以使用相应的单精度和扩展精度宏。为了保持一致性，所有对 NAN 或本地 NAN 动态计算的引用都已被删除。
内部变化#
numpy.core 数学配置修改#
这将使移植到新平台变得更容易、更稳健。特别是，配置阶段不需要在目标平台上执行任何代码，这是迈向交叉编译的第一步。
umath 重构#
umath/ufunc 代码 (charris) 的大量代码清理。
构建警告的改进#
Numpy 现在可以使用 -W -Wall 进行构建而不会发出警告
独立的核心数学库#
核心数学函数（用于基本 C 类型的 sin、cos 等）已放入单独的库中；它充当兼容层，支持大多数 C99 数学函数（目前仅是真实的）。该库包含针对各种数学函数的特定于平台的修复，例如使用这些版本应该比直接使用平台函数更强大。现有函数的 API 与 C99 数学函数 API 完全相同；唯一的区别是 npy 前缀（npy_cos 与 cos）。
核心库将可供 1.4.0 中的任何扩展使用。
CPU 拱形检测#
npy_cpu.h 定义了 numpy 特定的 CPU 定义，例如 NPY_CPU_X86 等......这些可以跨操作系统和工具链移植，并在解析标头时设置，以便即使在交叉编译的情况下也可以安全地使用它们（这些值构建 numpy 时未设置），或者对于多架构二进制文件（例如 Max OS X 上的胖二进制文件）。
npy_endian.h 定义了 numpy 特定的字节顺序定义，以 glibc endian.h 为模型。 NPY_BYTE_ORDER 与 BYTE_ORDER 等效，并且定义了 NPY_LITTLE_ENDIAN 或 NPY_BIG_ENDIAN 之一。至于CPU架构，它们是在编译器解析标头时设置的，因此可用于交叉编译和多架构二进制文件。