龙哥盟

【代码】NumPy 源码解析（十一）

【代码】NumPy 源码解析（十）

.\numpy\numpy\distutils\core.py# 导入 sys 模块，用于系统相关操作import sys# 从 distutils.core 模块导入 Distribution 类，用于处理发行版相关任务from distutils.core import Distribution# 检查是否已导入 setuptools 模块if 'setuptools' in sys.modules: have_setuptools = True # 如果有 setupto

.\numpy\numpy\distutils\command\build_py.py# 从distutils.command.build_py导入build_py作为old_build_pyfrom distutils.command.build_py import build_py as old_build_py# 从numpy.distutils.misc_util导入is_stringfrom numpy.distutils.misc_util import is_string# 创建一

【代码】NumPy 源码解析（七）

【代码】NumPy 源码解析（六）

.\numpy\doc\source\user\plots\matplotlib3.py# 导入 NumPy 库，通常用于处理数组和数值计算import numpy as np# 导入 Matplotlib 的 pyplot 模块，用于绘图操作import matplotlib.pyplot as plt# 创建一个新的图形对象fig = plt.figure()# 在图形对象上添加一个三维坐标系的子图ax = fig.add_subplot(projection='3d')# 生成一

strstr。

.\numpy\benchmarks\benchmarks\bench_records.py# 导入Benchmark类从common模块中from .common import Benchmark# 导入NumPy库并重命名为npimport numpy as np# Records类继承Benchmark类，用于性能基准测试class Records(Benchmark): # 设置方法，初始化测试数据 def setup(self): # 创建

【代码】NumPy 源码解析（二）

【代码】NumPy 源码解析（一）

.\numpy\numpy\f2py\cfuncs.py"""C declarations, CPP macros, and C functions for f2py2e.Only required declarations/macros/functions will be used.Copyright 1999 -- 2011 Pearu Peterson all rights reserved.Copyright 2011 -- present NumPy Developers.Permi

原文：numpy.org/doc/NumPy 用户指南原文：numpy.org/doc/1.26/user/index.html本指南是一个概述，解释了重要特性；细节请参阅 NumPy 参考文档。入门指南什么是 NumPy?安装NumPy 快速入门NumPy：初学者的绝对基础基础知识和用法NumPy 基础知识数组创建对 ndarrays 进行索引使用 NumPy 进行 I/O数据类型广播复制和视图结构化数组通

原文：numpy.org/doc/

许多 NumPy 特定的构建自定义方式已经改变。不再支持控制 BLAS/LAPACK、SIMD、线程等选项的NPY_*环境变量，也不再支持用于选择 BLAS 和 LAPACK 的site.cfg文件。相反，可以通过pipbuild的配置设置接口传递命令行标志给构建。这些标志都列在仓库根目录的文件中。在最终 1.26.0 版本发布之前将提供详细文档；目前请参阅SciPy“从源代码构建”文档，因为大多数构建自定义方式在 SciPy 中的工作方式与 NumPy 中几乎相同。

原文：numpy.org/doc/NumPy 治理原文：numpy.org/doc/1.26/dev/governance/index.htmlNumPy 项目治理和决策摘要项目情况治理社区基于共识的决策指导委员会机构合作伙伴和资金支持文档历史致谢许可证如何为 NumPy 文档做出贡献译文：numpy.org/doc/1.26/dev/howto-docs.html本指南将帮助您决定要贡献什么，以及如何将其提交给官

原文：numpy.org/doc/

以前，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。这种限制会不必要地强迫用户在能够更改 dtype 之前对非连续数组进行连续复制。此更改不仅影响，还影响其他构造机制，包括不鼓励直接对进行赋值。此更改取消了关于查看 F 连续数组的弃用，其他地方在发布说明中有描述。gh-20722以前，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。这种限制会不必要地强迫用户在能够更改 dtype 之前对非连续数组进行连续复制。此更改不仅影响。

原文：numpy.org/doc/NumPy 1.19.5 发布说明原文：numpy.org/doc/1.26/release/1.19.5-notes.htmlNumPy 1.19.5 是一个小的 bug 修复版本。除了修复了一些错误外，主要的改进是更新到了 OpenBLAS 0.3.13，在不中断其他平台执行的同时解决了 Windows 2004bug。此版本支持 Python 3.6-3.9，并计划是 1.19.x 循环中的最后一个版本。贡献者总共有 8 个人为此次发布做出了贡献。名

原文：numpy.org/doc/

原文：numpy.org/doc/NumPy 1.20.0 发布说明原文：numpy.org/doc/1.26/release/1.20.0-notes.html这次 NumPy 发布是迄今为止最大的，共有 684 个 PRs 由 184 人贡献并已合并。有关此次发布支持的 Python 版本为 3.7-3.9，不再支持 Python 3.6。重点是NumPy 函数的注释。这项工作正在进行中，预计会根据用户的反馈进行改进。更广泛地使用 SIMD 以增加 ufuncs 的执行速度。在

用于生成适用于各种脚本语言的包装器代码的强大工具——简单包装器和接口生成器（或SWIGSWIG可以解析头文件，并仅使用代码原型，为目标语言创建接口。但SWIG并非无所不能。seq到底是什么。它是一个要原地更改的单个值吗？它是一个数组，如果是的话，它的长度是多少？它只能输入吗？只能输出？输入输出？SWIG无法确定这些细节，并且也不试图这样做。如果我们设计了rms，那么我们可能使其成为一个仅接受名为seq的double值长度为n的输入数组的例程，并返回均方根。然而，SWIG。

原文：numpy.org/doc/

numpy.isin原文：numpy.org/doc/numpy.isin原文：numpy.org/doc/1.26/reference/generated/numpy.isin.html计算element在中的存在，仅广播element。返回一个与element相同形状的布尔数组，其中element的元素在中为 True，否则为 False。array_like输入数组。array_like要测试每个element的值。如果它是一个数组或类似数组，则该参数将被展平。

原文：numpy.org/doc/numpy.distutils.misc_util原文：numpy.org/doc/1.26/reference/distutils/misc_util.htmlnumpy.distutils.misc_util.all_strings(lst)如果 lst 中的所有项都是字符串对象，则返回 True。numpy.distutils.misc_util.allpath(name)将一个 / 分隔的路径名转换为使用 OS 路径分隔符的路径。numpy

原文：numpy.org/doc/

原文：numpy.org/doc/numpy.histogramdd原文：numpy.org/doc/1.26/reference/generated/numpy.histogramdd.htmlnumpy.histogramdd(sample, bins=10, range=None, density=None, weights=None)计算一些数据的多维直方图。参数：sample（N，D）数组，或（N，D）array_like要制作直方图的数据。注意当 array_like

原文：numpy.org/doc/数组迭代器 API原文：numpy.org/doc/1.26/reference/c-api/iterator.html在 1.6 版中新增。数组迭代器数组迭代器封装了通用函数中的许多关键功能，允许用户代码支持输出参数、保留内存布局和使用错误对齐或类型的数据缓冲，而无需进行困难的编码。本页记录了迭代器的 API。迭代器命名为NpyIter，函数命名为NpyIter_*。有一个数组迭代入门指南，对于使用这个 C API 的人可能会有所帮助。在许多情况下，

原文：numpy.org/doc/系统配置原文：numpy.org/doc/1.26/reference/c-api/config.html当构建 NumPy 时，将记录有关系统配置的信息，并且通过使用 NumPy 的 C API 的扩展模块提供。这些信息主要在 numpyconfig.h 中定义（包含在 ndarrayobject.h 中）。公共符号以 NPY_* 为前缀。NumPy 还提供了一些用于查询正在使用的平台信息的功能。为了私有使用，NumPy 还在 NumPy 包含目录中构建了

自版本 1.7.0 起，NumPy 暴露了一组函数（），分别由allocfreerealloc支持。在该版本中，NumPy 也公开了下面描述的函数（现已废弃），它封装了 OS 级别的调用。自那些早期以来，Python 也改进了其内存管理能力，并在 3.4 版本中开始提供各种管理策略。这些例程分为一组域，每个域都有一个用于内存管理的 PyMemAllocatorEx结构。Python 还添加了一个用于跟踪对各种例程的调用的 tracemalloc模块。这些跟踪钩子已添加到 NumPy 的。

x_N]^T)，那么协方差矩阵元素 (C_{ij}) 即为(x_i)和(x_j)的协方差。（https://matplotlib.org/stable/api/_as-gen/matplotlib.pyplot.hexbin.html#matplotlib.pyplot.hexbin）进行比较。（https://matplotlib.org/stable/api/_as-gen/matplotlib.pyplot.hexbin.html#matplotlib.pyplot.hexbin）进行比较。

基本函数每个 ufunc 由一个基本函数组成，该函数在数组参数的最小部分上执行最基本的操作（例如，将两个数字相加是将两个数组相加的最基本操作）。ufunc 在数组的不同部分上多次应用基本函数。基本函数的输入/输出可以是向量；例如，inner1d 的基本函数将两个向量作为输入。签名签名是描述 ufunc 基本函数的输入/输出维度的字符串。有关更多详细信息，请参阅下面的部分。核心维度每个基本函数的输入/输出的维度由其核心维度定义（零核心维度对应于标量输入/输出）。

原文：numpy.org/doc/

原文：numpy.org/doc/

原文：numpy.org/doc/标准数组子类原文：numpy.org/doc/1.26/reference/arrays.classes.html注意numpy.ndarray 的子类化是可能的，但如果您的目标是创建具有修改行为的数组，如用于分布式计算的 Dask 数组和用于基于 GPU 的计算的 CuPy 数组，不建议子类化。相反，推荐使用 numpy 的调度机制。可以继承 ndarray（在 Python 或 C 中）。因此，它可以成为许多有用类的基础。通常，是子类化数组对象还是只是

原文：numpy.org/doc/

原文：numpy.org/doc/

原文：numpy.org/doc/Masked array operations原文：numpy.org/doc/1.26/reference/routines.ma.html常量ma.MaskTypebool_的别名CreationFrom existing datama.masked_arrayMaskedArray的别名ma.array(data[, dtype, copy, order, mask, …])一个可能包含屏蔽值的数组类。m

原文：numpy.org/doc/numpy.fromfunction原文：numpy.org/doc/1.26/reference/generated/numpy.fromfunction.htmlnumpy.fromfunction(function, shape, *, dtype=<class 'float'>, like=None, **kwargs)使用函数在每个坐标上执行以构建数组。结果数组因此在坐标(x, y, z)处具有值fn(x, y, z)。参数：f

原文：numpy.org/doc/