NumPy 2.0 并不存在，官方最新稳定版是 2.1.x（2025 年底发布）；其核心变化包括移除 np.int 等模糊别名、Windows 默认整数改为 np.intp、dtype 构造更严格、自定义 dtype 支持 C API 协议。
NumPy 2.0 并不存在——截至 2026 年 7 月，**官方最新稳定版是 NumPy 2.1.x（2025 年底发布）**，所谓“2.0”是社区对早期测试分支或版本号误读的遗留称呼。真正发生 DType 映射机制重大变化的是 **NumPy 1.26 → 2.1.x 这一升级路径**，核心动因不是新增功能，而是清理历史包袱、统一 ABI 和强化类型契约。
np.int、np.float 等别名被移除，不是“变了”，是“终于不骗人了”
过去 np.int 实际映射到 C 的 long（POSIX）或 __int128（某些平台），但 Python 标准库中 int 是任意精度，NumPy 自己又定义了 np.int64 等固定宽度类型——三者语义长期错位。
NumPy 2.1.x 彻底弃用 np.int、np.float、np.bool、np.complex 等模糊别名：
• np.int → 必须显式写成 np.int64（或 int，若你真需要 Python 原生整数）
• np.float → 改用 np.float64 或 float
• np.bool → 只能用 np.bool_（注意下划线），因为 Python bool 不支持数组存储
• 错误示例：np.zeros(10, dtype=np.int) 在 2.1.x 中直接抛 AttributeError
Windows 上 np.intp 成为默认整数，暴露了 stdlib 与平台 ABI 的绑定
NumPy 2.1.x 在 Windows 64 位系统上将默认整数从 np.int_（映射 C long）改为 np.intp（匹配 LLP64 模型，即指针宽度 = 64 bit）。这不是 NumPy “自己定规则”，而是它现在严格遵循 Python 标准库在该平台上的行为：
• struct.unpack('l', b'\x01\x00\x00\x00') 在 Windows 上返回 int，其底层宽度是 32 bit（'l' 对应 long）
• 但 np.intp 是 64 bit，所以 np.array([1], dtype=np.intp).tobytes() 生成 8 字节，而 struct.pack('l', 1) 只生成 4 字节
• 这导致与 ctypes、array.array('l') 或旧 C 扩展交互时出现长度/截断错误，根源是 NumPy 不再迁就历史兼容性，而是对齐标准库的平台定义
dtype 构造函数行为收紧，不再容忍隐式推断
NumPy 2.1.x 的 np.dtype() 对输入更严格，尤其影响从字符串或 Python 类型构造 dtype 的场景：
• np.dtype('int') → 报错，必须写 np.dtype('int64') 或 np.dtype(int)（后者映射为平台默认整数，但不推荐用于跨平台代码）
• np.dtype(float) → 返回 float64，但若你传入 np.float32 类型对象，结果仍是 float64，不再“继承源精度”
• np.array([1, 2.0]).dtype 在 1.x 中常为 float64，在 2.1.x 中仍如此，但底层 dtype 解析路径已重写：它现在优先检查标量的 __array_interface__ 和 __array_priority__，而非简单按第一个元素猜
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
自定义 dtype 和 C API 变更让映射逻辑彻底脱离“魔法字符串”
NumPy 2.1.x 提供了公共 C API 用于注册自定义 dtype（如可变长字符串），这意味着 dtype 映射不再是 Python 层字符串到 C 类型的静态查表，而是运行时可扩展的协议：
• 旧方式：np.dtype('f4') 查内置表 → NPY_FLOAT32
• 新方式：任何实现 __numpy_ufunc__ 和 __array_dtype__ 协议的对象，都能参与 dtype 推导链
• 结果是：第三方库（如 pyarrow、polars）若未适配新协议，np.asarray(pa_array) 可能降级为 object dtype，而不是预期的 float64
• 关键验证点：np.array([1]).dtype == np.dtype('int64') 应始终为 True，但 np.array([1], dtype='int').dtype 在 2.1.x 中已非法
真正容易被忽略的点是：这些变更不会在 import 时报错，也不会在 np.array() 调用时立即崩溃。它们会在你调用 .astype()、与 struct 打包、或用 Cython 传递 np.intp 给 C 函数时，突然触发 ValueError: invalid dtype 或内存越界——而错误堆栈里根本看不到 NumPy 版本号。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
