ശാസ്ത്രീയ കമ്പ്യൂട്ടിംഗിനായുള്ള പൈത്തൺ ലൈബ്രറിയുടെ പ്രകാശനം NumPy 2.0.0

സയന്റിഫിക് കംപ്യൂട്ടിംഗിനായി NumPy 2.0.0 എന്ന പൈത്തൺ ലൈബ്രറിയുടെ ഒരു റിലീസ് ലഭ്യമാണ്, മൾട്ടിഡൈമൻഷണൽ അറേകളും മെട്രിക്സുകളും ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു, കൂടാതെ മെട്രിക്സുകളുടെ ഉപയോഗവുമായി ബന്ധപ്പെട്ട വിവിധ അൽഗോരിതങ്ങൾ നടപ്പിലാക്കുന്നതിലൂടെ ഫംഗ്ഷനുകളുടെ ഒരു വലിയ ശേഖരം നൽകുന്നു. ശാസ്ത്രീയ കണക്കുകൂട്ടലുകൾക്കായി ഉപയോഗിക്കുന്ന ഏറ്റവും പ്രശസ്തമായ ലൈബ്രറികളിൽ ഒന്നാണ് NumPy. പ്രൊജക്റ്റ് കോഡ് സിയിലെ ഒപ്റ്റിമൈസേഷനുകൾ ഉപയോഗിച്ച് പൈത്തണിൽ എഴുതിയിരിക്കുന്നു, ഇത് ബിഎസ്ഡി ലൈസൻസിന് കീഴിൽ വിതരണം ചെയ്യുന്നു.

NumPy 2.0.0 2006 ന് ശേഷമുള്ള ആദ്യത്തെ പ്രധാന റിലീസ് അടയാളപ്പെടുത്തുന്നു.
പുതിയ പതിപ്പിൽ, പുതിയ ഫീച്ചറുകൾക്കും പെർഫോമൻസ് ഒപ്റ്റിമൈസേഷനുകൾക്കും പുറമെ, ബാക്ക്വേർഡ് കോംപാറ്റിബിലിറ്റി ലംഘിക്കുന്ന എബിഐ, പൈത്തൺ എപിഐ, സി-എപിഐ എന്നിവയിൽ മാറ്റങ്ങൾ വരുത്തിയിട്ടുണ്ട്. ഉദാഹരണത്തിന്, NumPy 1.x ഉപയോഗിച്ച് സമാഹരിച്ച SciPy ലൈബ്രറിക്ക് NumPy 2.0-നൊപ്പം പ്രവർത്തിക്കാൻ റീകംപൈലേഷൻ ആവശ്യമാണ്. ചില സാഹചര്യങ്ങളിൽ, ആപ്ലിക്കേഷനുകളിൽ NumPy 2.0 ഉപയോഗിക്കുന്നതിന് കോഡ് മാറ്റങ്ങൾ ആവശ്യമായി വന്നേക്കാം.

ഏറ്റവും പ്രധാനപ്പെട്ട ബഗ് സ്കെയിലർ എക്സ്പ്രഷനുകളുടെ കൃത്യത സംരക്ഷിക്കുന്നതുമായി ബന്ധപ്പെട്ടതാണ്, ഉദാഹരണത്തിന്, "np.float32(3) + 3" ഇപ്പോൾ float64 അല്ല, float32 എന്ന തരത്തിലുള്ള ഒരു മൂല്യം നൽകും, കൂടാതെ ഒന്നിലധികം തരങ്ങളുള്ള എക്സ്പ്രഷനുകളിൽ, ഏറ്റവും ഉയർന്ന കൃത്യതയുള്ള തരം ആയിരിക്കും ഫലത്തിനായി ഉപയോഗിക്കുക, അതായത് "np.array([3], dtype=np.float32) + np.float64(3)" float64 എന്ന തരത്തിലുള്ള ഒരു മൂല്യം നൽകും. പ്ലാറ്റ്‌ഫോമിൽ ഉപയോഗിക്കുന്ന ഡിഫോൾട്ട് പൂർണ്ണസംഖ്യ തരങ്ങൾ മാറ്റിയിരിക്കുന്നു. Windows — 64-ബിറ്റ് സിസ്റ്റങ്ങളിൽ, ഇപ്പോൾ ഒരു 64-ബിറ്റ് പൂർണ്ണസംഖ്യ തരം ഉപയോഗിക്കുന്നു, 32-ബിറ്റ് സിസ്റ്റങ്ങളിൽ, ഒരു 32-ബിറ്റ് തരം (മുമ്പ്, സി-ടൈപ്പ് അനലോഗ് ലോംഗ് ഉപയോഗിച്ചിരുന്നു, എന്നാൽ ഇപ്പോൾ തത്തുല്യമായ np.intp).

C-API-യിലെ ചില നിർവചനങ്ങൾ മാറ്റിസ്ഥാപിക്കുകയോ നീക്കം ചെയ്യുകയോ ചെയ്തിട്ടുണ്ട്, ഉദാഹരണത്തിന്, PyArray_Descr ഘടന മാറ്റിയിരിക്കുന്നു. NPY_MAXDIMS, NPY_MAXARGS മാക്രോകളിലൂടെ സജ്ജീകരിച്ചിട്ടുള്ള പരമാവധി അളവുകളുടെയും ആർഗ്യുമെൻ്റുകളുടെയും എണ്ണം 64 ആയി വർദ്ധിപ്പിച്ചു. C99 സ്പെസിഫിക്കേഷനിൽ നിന്ന് (cfloat_t, cdouble_t, clongdouble_t) എല്ലാ സങ്കീർണ്ണ തരങ്ങളും സ്റ്റാൻഡേർഡ് തരങ്ങൾ ഉപയോഗിക്കുന്നതിലേക്ക് മാറ്റി. ഇഷ്‌ടാനുസൃത dtypes സൃഷ്‌ടിക്കുന്നതിന് പുതിയ C API ചേർത്തു. PyArray_ImportNumPyAPI, PyUFunc_ImportUFuncAPI എന്നീ പുതിയ ലളിതമായ ഇനീഷ്യലൈസേഷൻ ഫംഗ്‌ഷനുകൾ നിർദ്ദേശിച്ചിട്ടുണ്ട്.

പൈത്തൺ എപിഐ പൊതു, സ്വകാര്യ എപിഐകൾക്കിടയിൽ കൂടുതൽ വ്യക്തമായ വേർതിരിവ് നൽകുകയും ഒരു പുതിയ മൊഡ്യൂൾ ഘടന അവതരിപ്പിക്കുകയും ചെയ്യുന്നു. പ്രധാന "np" നെയിംസ്‌പെയ്‌സിൽ നിന്ന് ഏകദേശം 100 ഫംഗ്‌ഷനുകളും മൊഡ്യൂളുകളും കോൺസ്റ്റൻ്റുകളും നീക്കി, ഒഴിവാക്കി, അല്ലെങ്കിൽ നീക്കം ചെയ്‌തു.
np.lib നെയിംസ്പേസ് വൃത്തിയാക്കി. പ്രധാന നെയിംസ്‌പെയ്‌സിലെ ഒബ്‌ജക്റ്റുകളുടെ എണ്ണം 10% കുറച്ചിരിക്കുന്നു, numpy.lib നെയിംസ്‌പെയ്‌സിൽ 80% കുറഞ്ഞു. numpy.core നെയിംസ്പേസ് സ്വകാര്യതയിലേക്ക് മാറ്റി. np.ndarray, np.generic ക്ലാസുകളിൽ നിന്ന് ചില രീതികൾ നീക്കം ചെയ്തു. സ്ട്രിംഗ് ഓപ്പറേഷനുകൾക്കൊപ്പം numpy.stringsf എന്ന പുതിയ നെയിംസ്പേസ് സൃഷ്ടിച്ചു.

എല്ലാ numpy.fft ഫംഗ്‌ഷനുകളിലും float32, ലോംഗ്‌ഡബിൾ തരങ്ങൾക്കുള്ള പിന്തുണ, പ്രധാന നെയിംസ്‌പെയ്‌സിലെ സ്റ്റാൻഡേർഡ് അറേ API-യ്‌ക്കുള്ള പിന്തുണ, ഒരു പുതിയ നെയിംസ്‌പെയ്‌സ്, വേരിയബിൾ ലെങ്ത് സ്‌ട്രിംഗുകൾക്കുള്ള തരങ്ങൾ എന്നിവ പുതിയ സവിശേഷതകളിൽ ഉൾപ്പെടുന്നു. Intel x86-simd-sort, Google ഹൈവേ ലൈബ്രറികൾ എന്നിവ ഉപയോഗിച്ച് പെർഫോമൻസ് ഒപ്റ്റിമൈസേഷൻ നടത്തി, string functions sort, argsort, പാർട്ടീഷൻ, argpartition എന്നിവയ്ക്കായി, numpy.char മൊഡ്യൂളിലെ ഫിക്സഡ് സ്ട്രിംഗുകളുള്ള പ്രവർത്തനങ്ങൾ ത്വരിതപ്പെടുത്തി. പുതിയ API ചേർത്തു
കണ്ടെത്തുന്നതിനും ആത്മപരിശോധനയ്ക്കും opt_func_info.

അവലംബം: opennet.ru