NumPy 1.21.5 维护版本发布解读：11 项 bug 修复、构建加固与 Python 3.7–3.10 支持清单
【免费下载链接】numpyThe fundamental package for scientific computing with Python.项目地址: https://gitcode.com/gh_mirrors/nu/numpy
导读
本文基于 NumPy 仓库的官方发布说明 1.21.5-notes.rst，系统梳理 1.21.5 这个维护版本（maintenance release）的全部变更内容：它修复了 1.21.4 之后发现的一批数组核心功能缺陷、构建系统问题与 F2PY 兼容性问题，同时通过构建验证与开发流程加固来延长 1.21.x 分支的生命周期。读完本文，你将清楚掌握该版本支持哪些 Python 版本、gcc-11 环境下编译的注意事项，以及每一个合并 PR 所针对的具体问题，并能在仓库源码与测试中找到对应佐证。
版本定位与适用范围
NumPy 1.21.5 属于 1.21.x 系列的维护性补丁版本，其目标是在不引入新特性的前提下，修复 1.21.4 发布之后发现的一批 bug，并做必要的维护工作以延长 1.21.x 分支的生命周期。
该版本的关键约束条件如下：
| 项目 | 说明 |
|---|---|
| 版本类型 | 维护版本（maintenance release），无新特性 |
| 支持 Python 版本 | 3.7 – 3.10 |
| 编译器注意事项 | 若使用 gcc-11 自行编译，需使用gcc-11.2+以避免编译问题 |
| 合并 PR 数 | 11 个 |
| 贡献者人数 | 7 人（其中 Rohit Goswami 为首次贡献） |
特别值得强调的是 gcc-11 的编译门槛：如果读者需要从源码构建该版本，应当确认编译器版本不低于 gcc 11.2，否则可能触发已知的编译问题。这一约束在后续 1.21.6 等版本说明中同样延续，属于 1.21.x 生命周期内的固定注意事项。
核心数组功能修复
该版本最值得关注的修复集中在 NumPy 的数组核心路径（对应numpy/_core目录），涉及einsum、结构化 dtype 与类型别名对象三处。
修复 float16 einsum 快速路径使用错误临时变量（PR #20462）
np.einsum在内部针对常见 dtype 会走专门的快速路径（fastpath）以获得更好的性能，而本次修复正是针对 float16（f2）快速路径中**使用了错误的临时变量（wrong tempvar）**导致结果不正确的缺陷。
仓库测试 test_einsum.py 中专门保留了test_einsum_sums_float16用例，对f2dtype 的求和路径进行回归验证；同文件中第 924 行附近的注释也明确记载"该测试最初是为覆盖 float16 路径缺陷（gh-20305）而添加"。从测试结构看，1.21.5 之后einsum的 float16 求和必须与 float32、float64、longdouble 等路径一样通过check_einsum_sums的逐 dtype 校验，这直接对应本次快速路径临时变量错误的修复。
修复创建对齐空结构化 dtype 失败（PR #20466）
结构化 dtype（structured dtype）用于将多个字段打包进一个数组元素。当使用align=True请求字段对齐时，NumPy 会在字段之间插入填充（padding）。本次修复解决了创建"对齐且为空"的结构化 dtype 时直接失败的问题。
对应回归测试位于 test_dtype.py 的test_aligned_empty，其注释明确指出这是针对 gh-19696 的回归测试，覆盖两种等价写法：
dt = np.dtype([], align=True) assert dt == np.dtype([]) dt = np.dtype({"names": [], "formats": [], "itemsize": 0}, align=True) assert dt == np.dtype([])即空字段列表配合align=True时应得到一个与普通空 dtype 等价的合法 dtype，而不是抛出异常。测试同时验证了子数组字段在对齐时的对齐属性一致性（见同文件的test_alignment）。对于依赖结构化 dtype 做协议解析、内存布局控制的用户，这一修复消除了创建阶段的崩溃风险。
不再转发_GenericAlias的__copy__/__deepcopy__调用（PR #20357）
该 PR 属于类型系统维护（MAINT），调整了 NumPy 对 Python 标准库typing中_GenericAlias对象的复制行为——不再将其__copy__/__deepcopy__调用向前转发，以避免复制np.ndarray[...]这类泛型别名时产生异常行为。从源码结构看，numpy/_core/src/multiarray下的 descriptor.c、methods.c 与 scalartypes.c.src 均涉及该对象的相关处理，可见它贯穿 dtype 描述、数组方法与标量类型多处，修复价值在于让类型别名对象的复制语义更符合预期。
构建与分发修复
这一组 PR 主要针对源码编译与发行包的构建可靠性，对从源码安装的用户影响最直接。
强制npymath尊重npy_longdouble（PR #20465）
npymath是 NumPy 自带的数学库，其中长双精度（long double）的处理需要与平台类型定义保持一致。该 PR 强制npymath尊重npy_longdouble类型，避免在特定平台（尤其是 long double 与 double 精度不同的架构）上出现类型不匹配。
仓库中的 npy_longdouble.h 定义了npy_longdouble_to_PyLong与npy_longdouble_from_PyLong两个内部 API，用于在 long double 与 Pythonlong整数之间转换（结果向零取整），并强调 long double 具有比 double 更大的数值范围。1.21.5 的这一修复让这些数学转换在构建期统一使用npy_longdouble类型标识，从源码结构看，这是对跨平台数学库类型一致性的一次收敛。
构建前验证 C++ 编译能力（PR #20464）
该 PR 属于构建系统（BLD）加固：在正式编译流程启动之前，先验证当前环境是否具备编译 C++ 源码的能力。这可以提前暴露工具链缺失或配置错误，而不是等到编译中途才失败，从而改善在全新环境（如 CI、Docker）中从源码构建 NumPy 的报错体验。
可执行文件不存在时打印操作系统错误信息（PR #20463）
该 PR 同时涉及 bug 修复与分发（BUG, DIST）：当调用某个可执行文件而该文件不存在时，不再只抛出笼统的失败，而是打印出操作系统层的错误信息（如 "No such file or directory"），帮助开发者快速定位是路径拼写错误还是依赖工具未安装。
更新 wheel 以支持 Python 3.10（PR #20495）
作为维护项（MAINT），该 PR 将构建 wheel 所使用的打包工具更新到支持 Python 3.10 的版本。结合本版本声明支持 Python 3.7–3.10 的前提，这确保了官方 wheel 在 Python 3.10 环境下可正常安装运行，是 1.21.x 生命周期延长的直接体现之一。
F2PY 相关修复
F2PY 是 NumPy 中连接 Python 与 Fortran 代码的工具，位于 numpy/f2py 目录，本版本包含两处与它相关的改动。
F2PY 转换中正确清除错误（PR #20497）
该 PR 修复 F2PY 在类型转换过程中错误状态未被正确清除的问题。在 C 扩展的转换逻辑中，如果上一次转换残留了 Python 错误标志（error flag），后续调用可能被污染，导致难以定位的异常行为。本次修复确保 F2PY 的转换代码在合适时机清除错误状态，属于典型的边界条件 bug 修复。
提供替代npy_load_module的便利函数（PR #20467）
该 PR 属于增强（ENH）：提供一个新的便利函数以替代内部使用的npy_load_module。这类模块加载辅助函数用于在扩展模块中按名称加载 Python 模块，替换意味着更清晰的职责划分与更易维护的导入路径，属于为后续版本内部重构打基础的维护性增强。
开发流程与生态兼容
最后两个 PR 面向开发工作流与下游生态的稳定性。
添加 warningfilter 修复 pytest 工作流（PR #20613）
作为开发流程修复（DEV），该 PR 为 pytest 工作流添加警告过滤器（warningfilter），使 CI 中因警告被升级为错误（-W error等策略）而失败的任务恢复正常。这保证了 1.21.x 分支的持续集成测试在较新依赖环境下依然可以稳定运行。
帮助 boost::python 库至少不再崩溃（PR #20618）
该 PR 是维护项（MAINT）：调整某些行为，使依赖boost::python的下游库"至少不再崩溃"。它并非完整的兼容层实现，而是缓解性的兼容处理，避免 NumPy 与 boost::python 库交互时发生崩溃，体现了维护版本对下游生态的保守兼容态度。
升级与验证建议
对于仍停留在 1.21.x 分支的用户，建议升级到 1.21.5 以获取上述修复。可通过包管理工具安装或升级：
pip install "numpy==1.21.5"安装后可验证版本号：
import numpy as np print(np.__version__) # 期望输出 1.21.5若需要在 gcc-11 环境下从源码构建，请务必确保编译器版本不低于 11.2；Python 环境应处于 3.7–3.10 区间。对于结构化 dtype 与einsum(float16)相关的应用，升级后可通过运行仓库自带测试确认修复生效：
python -m pytest numpy/_core/tests/test_dtype.py::TestDTypeMeta::test_aligned_empty python -m pytest numpy/_core/tests/test_einsum.py -k float16（测试路径以仓库内实际测试类结构为准。）
延伸阅读
- 官方发布说明原文：doc/source/release/1.21.5-notes.rst
- 1.21.x 系列其余版本的发布说明，可参见 doc/source/release 目录下对应的
1.21.x-notes.rst - 历史变更记录汇总：doc/changelog/1.21.5-changelog.rst
- 核心数组实现与测试：numpy/_core/src/multiarray 与 numpy/_core/tests
- 长双精度数学库类型定义：npy_longdouble.h
- F2PY 工具源码：numpy/f2py
【免费下载链接】numpyThe fundamental package for scientific computing with Python.项目地址: https://gitcode.com/gh_mirrors/nu/numpy
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
