从源代码构建#

注意

如果您只是尝试安装 SciPy，我们建议使用二进制文件——详见安装。

从源代码构建 SciPy 首先需要设置系统级依赖项（编译器、BLAS/LAPACK 库等），然后才能调用构建过程。构建的目的是为了本地使用而安装 SciPy、开发 SciPy 本身，或者构建可再分发二进制包。您可能还需要自定义构建的某些方面。本指南将涵盖所有这些方面。此外，它还提供了关于 SciPy 构建工作原理的背景信息，并链接到与通用 Python 构建和打包文档相关的最新指南。

从源代码构建 SciPy#

如果您只想从源代码安装一次 SciPy，而不进行任何开发工作，那么推荐的构建和安装方式是使用 pip。否则，推荐使用 conda。

注意

如果您还没有 conda 安装，我们建议使用 Miniforge；任何 conda 版本都可以。

从源代码构建以使用 SciPy#

Conda 环境

如果您使用的是 conda 环境，pip 仍然是您调用 SciPy 源代码构建的工具。请务必始终在 pip install 命令中使用 --no-build-isolation 标志，以避免针对 PyPI 的 numpy wheel 进行构建。为此，您必须首先将剩余的构建依赖项安装到 conda 环境中

# Either install all SciPy dev dependencies into a fresh conda environment
mamba env create -f environment.yml

# Or, install only the required build dependencies
mamba install python numpy cython pythran pybind11 compilers openblas meson-python pkg-config

# To build the latest stable release:
pip install scipy --no-build-isolation --no-binary scipy

# To build a development version, you need a local clone of the SciPy git repository:
git clone https://github.com/scipy/scipy.git
cd scipy
git submodule update --init
pip install . --no-build-isolation

虚拟环境或系统 Python

# To build the latest stable release:
pip install scipy --no-binary scipy

# To build a development version, you need a local clone of the SciPy git repository:
git clone https://github.com/scipy/scipy.git
cd scipy
git submodule update --init
pip install .

从源代码构建以进行 SciPy 开发#

如果您想从源代码构建以从事 SciPy 本身的工作，请首先克隆 SciPy 存储库

git clone https://github.com/scipy/scipy.git
cd scipy
git submodule update --init

然后您想执行以下操作

创建专用的开发环境（虚拟环境或 conda 环境），
安装所有必需的依赖项（构建，以及测试、文档和可选依赖项），
使用我们的 dev.py 开发者接口构建 SciPy。

步骤 (3) 总是相同的，步骤 (1) 和 (2) 在 conda 和虚拟环境之间有所不同

Conda 环境

要创建包含所有必需和可选依赖项的 scipy-dev 开发环境，请运行

mamba env create -f environment.yml
mamba activate scipy-dev

虚拟环境或系统 Python

注意

有许多工具可以管理虚拟环境，如 venv、virtualenv/virtualenvwrapper、pyenv/pyenv-virtualenv、Poetry、PDM、Hatch 等。这里我们使用 Python stdlib 中的基本 venv 工具。您可以使用任何其他工具；我们只需要一个已激活的 Python 环境。

在名为 venv 的新目录中创建并激活一个虚拟环境（请注意，确切的激活命令可能因您的操作系统和 Shell 而异——请参阅 venv 文档中的“venv 的工作原理”）。

Linux

python -m venv venv
source venv/bin/activate

macOS

python -m venv venv
source venv/bin/activate

Windows

python -m venv venv
venv\Scripts\Activate.ps1

然后从 PyPI 安装 Python 级别的依赖项（参见 pyproject.toml）

# All dependencies
python -m pip install -r requirements/all.txt

# Alternatively, you can install just the dependencies for certain
# development tasks:

# Build and dev dependencies (for `python dev.py {build, lint, mypy}`)
python -m pip install -r requirements/build.txt -r requirements/dev.txt

# Doc dependencies (for `python dev.py {doc, refguide-check}`)
python -m pip install -r requirements/doc.txt

# Test dependencies (for `python dev.py {test, bench, refguide-check}`)
python -m pip install -r requirements/test.txt

要在已激活的开发环境中构建 SciPy，请运行

python dev.py build

这会将 SciPy 安装在存储库内（默认在 build-install 目录中）。然后您可以运行测试（python dev.py test）、进入 IPython（python dev.py ipython），或者采取其他开发步骤，例如构建 html 文档或运行基准测试。dev.py 接口是自文档化的，因此请参阅 python dev.py --help 和 python dev.py <subcommand> --help 以获取详细指导。

IDE 支持和可编辑安装

虽然 dev.py 接口是我们推荐的 SciPy 工作方式，但它有一个限制：由于自定义安装位置，使用 dev.py 安装的 SciPy 不会在 IDE 中自动识别（例如，通过“运行”按钮运行脚本，或可视化设置断点）。使用就地构建（或“可编辑安装”）会更好地解决这个问题。

支持可编辑安装。重要的是要理解，在给定的存储库克隆中，您可以使用可编辑安装或 dev.py，但不能同时使用两者。如果您使用可编辑安装，则必须直接使用 pytest 和其他开发工具，而不是使用 dev.py。

要使用可编辑安装，请确保您从一个干净的存储库开始（如果您之前使用 dev.py 构建过，请运行 git clean -xdf），并按照本页上方所述正确设置所有依赖项。然后执行

# Note: the --no-build-isolation is important! meson-python will
# auto-rebuild each time SciPy is imported by the Python interpreter.
pip install -e . --no-build-isolation

# To run the tests for, e.g., the `scipy.linalg` module:
pytest scipy/linalg

当更改 SciPy 代码（包括已编译的代码）时，无需手动重新构建或重新安装。当您运行 git clean -xdf（它会删除已构建的扩展模块）时，请记住同时使用 pip uninstall scipy 卸载 SciPy。

有关幕后工作原理的更多详细信息，请参阅 meson-python 关于可编辑安装的文档。

安装静态类型存根#

如果您想安装静态类型存根以帮助开发 SciPy，您可以在开发环境中包含 scipy-stubs 包。它在 PyPI 和 conda-forge 上可用——请参阅 scipy-stubs 安装指南。

从源代码构建#

系统级依赖项#

从源代码构建 SciPy#

从源代码构建以使用 SciPy#

从源代码构建以进行 SciPy 开发#

安装静态类型存根#

自定义构建#

背景信息#