点击 机器学习算
法与Python学习 ，
选择加星标
精彩内容不迷路
本文转自机器之心
作为 Python 语言的一个扩展程序库，NumPy 支持大量的维度数组与矩阵运算，也针对数组运算提供大量的数学函数库。自初代版本上线之后，NumPy 已经成为 Python 科学计算的扩展包。如今，在计算多维数组和大型数组方面，它是使用最广的。此外，它还提供多个函数，操作起数组来效率很高，还可用来实现高级数学运算。
近日，NumPy 迎来了更新。NumPy 官方表示，NumPy v1.20 是迄今为止规模最大的版本更新 ，共计 184 位开发者贡献了约 684 条 PR，新增了类型注释、滑动窗口视图等功能。
新版本支持 Python 3.7-3.9，但不支持 Python 3.6。主要亮点如下：NumPy 函数注释；
扩大 SIMD 使用范围，提升 ufuncs（Universal Functions）的执行速度；
更改数据类型和强制转换实现的准备工作，以便为扩展数据类型提供更简单的途径；
文档改进，包括大约 185 个 PR 合并；
关于移除 Python 2.7 的进一步清理（cleanups）， 这样可以提高代码的可读性并消除技术负担；
对即将到来的 Cython 3.0 提供初步支持。
新发布的 NumPy 1.20.0 版本包括以下三大新函数：（1）random.Generator 类有一个新函数 permuted。新函数与 shuffle 和 permutation 不同，给定轴索引的子数组会被换算。例如，现在可以对一个二维数组的行或列进行换算；（2）sliding_window_view 为 numpy 数组提供了一个滑动窗口视图。numpy.lib.stride_tricks.sliding_window_view 在 numpy 数组上构造视图，提供对数组的滑动或移动窗口访问。这使得 running means 等某些算法可以简单实现。>>> x = np.arange(6)
*>>>* ** x.shape
(6,)
*>>>* ** v = sliding_window_view(x, 3)
*>>>* ** v.shape
(4, 3)
*>>>* ** v
array([[0, 1, 2],
[1
, 2, 3],
[2, 3, 4],
[3, 4, 5]])
（3）一个面向用户（user-facing）的全新函数 numpy.broadcast_shapes。该函数可以从给定形状元组中通过 broadcasting 获得形状，其中 broadcasting 机制的功能是为了方便不同 shape 的 array 进行数学运算。*>>>* np.broadcast_shapes((1, 2), (3, 1))
(3, 2)
*>>>* np.broadcast_shapes(2, (3, 1))
(3, 2)
*>>>* np.broadcast_shapes((6, 7), (5, 6, 1), (7,), (5, 1, 7))
(5, 6, 7)
像 np.int 这类内置类型（builtin type）的别名已被弃用。在很长一段时间，np.int 是 int 的别名，但常常对新手造成困扰，这主要是历史原因造成的。下表显示了已弃用别名的完整列表，其中第三列为备用 NumPy 名称。
此外，将 shape=None 传递给带有非可选参数 shape 的函数已被弃用，mode 和 searchside 的非精确匹配、numpy.dual 模块也都被弃用。更多更新内容请参考：https://numpy.org/doc/1.20/release/1.20.0-notes.html#deprecations
