Python 如何获得稳定版本的numpy for PyPy？

我已经从链接下载了PyPy便携版，并使用命令

pip install git安装了numpy for PyPy+https://bitbucket.org/pypy/numpy.git

安装成功，但我无法使用

numpy.min

这样的功能

>>>> numpy.min([1,2,3])    
Traceback (most recent call last):
...
TypeError: expected integer, got NoneType object

因此，我运行了

numpy.test（）

，结果是

FAILED (KNOWNFAIL=5, SKIP=24, errors=886, failures=152)
<nose.result.TextTestResult run=3367 errors=886 failures=152>

失败（KNOWNFAIL=5，SKIP=24，errors=886，failures=152）

这似乎是我安装的numpy的不稳定版本。如何获得稳定版本的numpy for PyPy

我还尝试了

pip-install-numpy

（而不是

pip-install-git）+https://bitbucket.org/pypy/numpy.git

）

然而，我遇到了链接中讨论的另一个问题

---

答案是使用

apt get

安装numpy，但这个答案只适用于CPython。PyPy有好的解决方案吗？

我刚刚下载了PyPy2.4及其numpy（通过git安装）。看起来

ufunc

功能有缺陷或不完整

x = numpy.arange(10)
x.sum()  # 45
x.min()  # 0
numpy.min(x)  # TypeError: expected integer, got NoneType object
numpy.sum(x)  # same error

但是如果我给它一个

out

属性，这些

ufunc

版本就可以工作（sortof）

但它不会在

out

参数中返回值

y = 0
numpy.sum(x, out=y)  # returns 45, but does not change y

常规

numpy

会反对

y

不是数组（或维度错误）

---

np.min（x）

与

np.core.umath.minimum.reduce（x，None，None，None）

相同，其中

reduce

参数是

（变量、轴、数据类型、输出）

<代码>np.core.umath.minimum.reduce（x）工作正常

np.core.umath.add.acculate

与

out

参数相关，因此问题似乎与

reduce

无关

如果使用git clone安装，您将在计算机上获得完整的存储库，您可以对其进行浏览。这些信息也可以在线获取。我仍在试图弄清楚ufunc reduce是在哪里定义的，它是否功能齐全。该模块仍处于开发阶段

---

是一个numpy状态表。它引用了一个

pypypy/module/mpy

目录。我还没有弄清楚这与存储库的关系（在下载页面上）。我可以在

minompy

树中找到

ufunc.reduce

代码，但在

numpy.git

树中找不到

---

在

core/\u methods.py

中，

sum

被定义为调用

add.reduce

<代码>最小值和

最大值

类似。关键字参数变为位置参数

def _sum(a, axis=None, dtype=None, out=None, keepdims=False):
    return um.add.reduce(a, axis, dtype, out, keepdims)

但看起来这些参数的顺序是错误的

out

是第四个，但是当我尝试直接添加.减少时，我必须做第六个

>>>> x
array([[ 0.,  1.],
       [ 2.,  3.],
       [ 4.,  5.]])
>>>> y=np.zeros((2,))
>>>> np.add.reduce(x, 0, float, False, False, y)
array([ 6.,  9.])
# reduce(a, axis, dtype, ?, keepdims, out)

我顺便看到在

micrompy

树中有一个

commit

处理

reduce

的错误参数顺序。这可能正在修复此错误

在常规

numpy

中，

sum

调用为：

um.add.reduce(a, axis=axis, dtype=dtype, out=out, keepdims=keepdims)

这很好用。显然有人试图通过最小化关键字参数来挤出一点性能

module/micrompy/ufuncs.py

将

reduce

定义为：

reduce(self, space, w_obj, w_axis, keepdims=False, out=None, dtype=None,
    cumulative=False)

---

你确定有一个

numpy

版本可以使用

pypy

吗？我能找到的最后一篇关于它的

pypy

博客文章是在4月份发布的，它似乎仍在进行中。

reduce(self, space, w_obj, w_axis, keepdims=False, out=None, dtype=None,
    cumulative=False)