从numpy 1.3.0开始，我们正在努力将纯C，“计算”代码与python相关代码分离。目标是两个方面：使代码更清洁，并启用代码重用由numpy（scipy等）外的其他扩展。

NumPy core math library

numpy核心数学库（'npymath'）是这个方向的第一步。这个库包含大多数与数学相关的C99功能，可以在没有很好支持C99的平台上使用。核心数学函数具有与C99相同的API，除了npy_ *前缀。

The available functions are defined in - please refer to this header when in doubt.

Floating point classification

NPY_NAN: 这个宏定义为NaN（不是数字），并且保证未设置signbit（'positive'NaN）。相应的单精度宏和扩展精度宏可用后缀F和L.

NPY_INFINITY: 此宏定义为正inf。相应的单精度宏和扩展精度宏可用后缀F和L.

NPY_PZERO: 此宏定义为正零。相应的单精度宏和扩展精度宏可用后缀F和L.

NPY_NZERO: 此宏定义为负零（即已设置符号位）。相应的单精度宏和扩展精度宏可用后缀F和L.

int npy_isnan(x): 这是一个宏，并且等价于C99 isnan：适用于单精度，双精度和扩展精度，并返回非0值，x是NaN。

int npy_isfinite(x): 这是一个宏，并且等效于C99 isfinite：适用于单精度，双精度和扩展精度，并返回非0值，x不是NaN也不是无穷大。

int npy_isinf(x): 这是一个宏，相当于C99 isinf：适用于单精度，双精度和扩展精度，返回一个非0值，x是无穷大（正和负）。

int npy_signbit(x): 这是一个宏，相当于C99 signbit：适用于单精度，双精度和扩展精度，并返回一个非0值，即x具有signbit集合（即数字为负）。

double npy_copysign(double x, double y): 这是一个等价于C99 copysign的函数：返回x与y相同的符号。适用于任何值，包括inf和nan。单和扩展精度可用后缀f和l。

版本1.4.0中的新功能。

Useful math constants

以下数学常数在npy_math.h中可用。还可以通过分别添加F和L后缀来获得单精度和扩展精度。

NPY_E: 自然对数底（ $e$ ）

NPY_LOG2E: 欧拉常数的基底2的对数（ $\frac{\ln(e)}{\ln(2)}$ ）

NPY_LOG10E: 欧拉常数（ $\frac{\ln(e)}{\ln(10)}$ ）的以10为底的对数

NPY_LOGE2: 2的自然对数（ $\ln(2)$ ）

NPY_LOGE10: 10的自然对数（ $\ln(10)$ ）

NPY_PI: Pi（ $\pi$ ）

NPY_PI_2: Pi除以2（ $\frac{\pi}{2}$ ）

NPY_PI_4: Pi除以4（ $\frac{\pi}{4}$ ）

NPY_1_PI: p1（ $\frac{1}{\pi}$ ）的倒数

NPY_2_PI: 两倍于pi的倒数（ $\frac{2}{\pi}$ ）

NPY_EULER

欧拉常数

Low-level floating point manipulation

这些可用于精确的浮点比较。

double npy_nextafter(double x, double y): 这是相当于C99 nextafter的函数：从y的方向返回下一个可表示的浮点值。单和扩展精度可用后缀f和l。

版本1.4.0中的新功能。

double npy_spacing(double x): 这是一个等价于Fortran本质的函数。从x返回x和下一个可表示浮点值之间的距离，例如spacing（1）== eps。纳米的间距和+/- inf返回纳米。单和扩展精度可用后缀f和l。

版本1.4.0中的新功能。

void npy_set_floatstatus_divbyzero(): 设置除零浮点异常

版本1.6.0中的新功能。

void npy_set_floatstatus_overflow(): 设置溢出浮点异常

版本1.6.0中的新功能。

void npy_set_floatstatus_underflow(): 设置下溢浮点异常

版本1.6.0中的新功能。

void npy_set_floatstatus_invalid(): 设置无效浮点异常

版本1.6.0中的新功能。

int npy_get_floatstatus()

获取浮点状态。返回具有以下可能标志的位掩码：

NPY_FPE_DIVIDEBYZERO
NPY_FPE_OVERFLOW
NPY_FPE_UNDERFLOW
NPY_FPE_INVALID

版本1.9.0中的新功能。

int npy_clear_floatstatus(): 清除浮点状态。返回先前的状态掩码。

版本1.9.0中的新功能。

Complex functions

版本1.4.0中的新功能。

已添加C99-样复合物功能。如果你想实现便携式C扩展，那么可以使用。由于我们仍然支持没有C99复杂类型的平台，你需要限制为C90兼容语法，例如：

/* a = 1 + 2i \*/
npy_complex a = npy_cpack(1, 2);
npy_complex b;

b = npy_log(a);

Linking against the core math library in an extension

版本1.4.0中的新功能。

要在您自己的扩展中使用核心数学库，您需要在setup.py中的扩展中添加npymath编译和链接选项：

>>> from numpy.distutils.misc_util import get_info
>>> info = get_info('npymath')
>>> config.add_extension('foo', sources=['foo.c'], extra_info=info)

换句话说，info的使用与使用blas_info和co时完全相同。

Half-precision functions

版本2.0.0中的新功能。

The header file provides functions to work with IEEE 754-2008 16-bit floating point values. 虽然此格式通常不用于数值计算，但它对于存储需要浮点但不需要很多精度的值很有用。它也可以用作一个教育工具来理解浮点舍入误差的性质。

像其他类型一样，NumPy包括16位浮点型的typedef npy_half。与大多数其他类型不同，你不能使用它作为C中的正常类型，因为is是npy_uint16的typedef。例如，1.0看起来像0x3c00到C，如果你做不同的有符号零之间的等式比较，你会得到-0.0！= 0.0（0x8000！= 0x0000），这是不正确的。

For these reasons, NumPy provides an API to work with npy_half values accessible by including and linking to ‘npymath’. 对于未直接提供的函数（如算术运算），首选方法是转换为float或double并再次返回，如以下示例所示。

npy_half sum(int n, npy_half *array) {
    float ret = 0;
    while(n--) {
        ret += npy_half_to_float(*array++);
    }
    return npy_float_to_half(ret);
}

外部链接：

NPY_HALF_ZERO: 此宏定义为正零。

NPY_HALF_PZERO: 此宏定义为正零。

NPY_HALF_NZERO: 此宏定义为负零。

NPY_HALF_ONE: 此宏定义为1.0。

NPY_HALF_NEGONE: 此宏定义为-1.0。

NPY_HALF_PINF: 此宏定义为+ inf。

NPY_HALF_NINF: 此宏定义为-inf。

NPY_HALF_NAN: 此宏定义为NaN值，保证未设置其符号位。

float npy_half_to_float(npy_half h): 将半精度浮点数转换为单精度浮点数。

double npy_half_to_double(npy_half h): 将半精度浮点数转换为双精度浮点数。

npy_half npy_float_to_half(float f): 将单精度浮点数转换为半精度浮点数。该值四舍五入到最接近的可表示的一半，连接到最接近的偶数。如果值太小或太大，系统的浮点下溢或溢出位将被置1。

npy_half npy_double_to_half(double d): 将双精度浮点数转换为半精度浮点数。该值四舍五入到最接近的可表示的一半，连接到最接近的偶数。如果值太小或太大，系统的浮点下溢或溢出位将被置1。

int npy_half_eq(npy_half h1, npy_half h2): 比较两个半精度浮点数（h1 == h2）。

int npy_half_ne(npy_half h1, npy_half h2): 比较两个半精度浮点数（h1！= h2）。

int npy_half_le(npy_half h1, npy_half h2): 比较两个半精度浮点数（h1

int npy_half_lt(npy_half h1, npy_half h2): 比较两个半精度浮点数（h1

int npy_half_ge(npy_half h1, npy_half h2): 比较两个半精度浮点（h1> = h2）。

int npy_half_gt(npy_half h1, npy_half h2): 比较两个半精度浮点数（h1> h2）。

int npy_half_eq_nonan(npy_half h1, npy_half h2): 比较两个已知不是NaN（h1 == h2）的半精度浮点数。如果值为NaN，则结果未定义。

int npy_half_lt_nonan(npy_half h1, npy_half h2): 比较两个已知不是NaN的半精度浮点数（h1如果值为NaN，则结果未定义。

int npy_half_le_nonan(npy_half h1, npy_half h2): 比较两个已知不是NaN的半精度浮点数（h1如果值为NaN，则结果未定义。

int npy_half_iszero(npy_half h): 测试半精度浮点是否具有等于零的值。这可能比调用npy_half_eq（h，NPY_ZERO）稍快。

int npy_half_isnan(npy_half h): 测试半精度浮点是否为NaN。

int npy_half_isinf(npy_half h): 测试半精度浮点是加或减Inf。

int npy_half_isfinite(npy_half h): 测试半精度浮点是否是有限的（不是NaN或Inf）。

int npy_half_signbit(npy_half h): 返回1是h是负数，否则为0。

npy_half npy_half_copysign(npy_half x, npy_half y): 返回从y复制的符号位的x值。适用于任何值，包括Inf和NaN。

npy_half npy_half_spacing(npy_half h): 这与半精度浮点相同，如在低级浮点部分中描述的npy_spacing和npy_spacingf。

npy_half npy_half_nextafter(npy_half x, npy_half y): 这与半精度浮点相同，与低级浮点部分中描述的npy_nextafter和npy_nextafterf相同。

npy_uint16 npy_floatbits_to_halfbits(npy_uint32 f): 低级函数，将作为uint32存储的32位单精度浮点数转换为16位半精度浮点数。

npy_uint16 npy_doublebits_to_halfbits(npy_uint64 d): 低级函数，将64位双精度浮点数转换为16位半精度浮点数，存储为uint64。

npy_uint32 npy_halfbits_to_floatbits(npy_uint16 h): 低级函数，将16位半精度浮点数转换为32位单精度浮点数，存储为uint32。

npy_uint64 npy_halfbits_to_doublebits(npy_uint16 h): 低级函数，将16位半精度浮点数转换为64位双精度浮点数，存储为uint64。