贡献者快速入门指南#
在从 GitHub 获取源代码之后，开始贡献有三个步骤
设置开发环境
使用
mamba，或者任何其他形式的虚拟环境管理工具，你可以确保开发版本的 SciPy 不会干扰你机器上任何其他的 SciPy 本地安装。构建 SciPy
SciPy 为了速度使用编译代码，这意味着你可能需要额外的依赖项来完成此步骤，具体取决于你的系统 - 请参阅从源代码构建。
执行开发任务
这些可以包括你想要对源代码进行的任何更改，运行测试，构建文档，运行基准测试等。
基本工作流程#
注意
我们**强烈**建议使用用户激活的环境设置，例如 conda 或虚拟环境。
由于 SciPy 包含用 C，C++ 和 Fortran 编写的部分，需要在使用前进行编译，请确保你已安装必要的编译器和 Python 开发头文件。 如果你正在使用mamba，这些将自动安装。 如果你正在使用pip，请检查你可能需要的系统级依赖项。
首先，在 GitHub 上将主 SciPy 存储库的分支复制到你自己的帐户中，然后通过以下方式创建本地存储库
git clone git@github.com:YOURUSERNAME/scipy.git scipy
cd scipy
git submodule update --init
git remote add upstream https://github.com/scipy/scipy.git
接下来，设置你的开发环境。 **安装好**系统级依赖项**后**，请执行从源代码构建中的说明。
有关如何测试更改的详细信息，请参阅开发工作流程中更完整的设置演练。
其他工作流程#
设置开发环境有很多可能的方法。 有关更详细的说明，请参阅SciPy 贡献者指南。
注意
如果你在从源代码构建 SciPy 或设置本地开发环境时遇到问题，你可以尝试使用 GitHub Codespaces 构建 SciPy。 它允许你在浏览器中创建正确的开发环境，从而减少安装本地开发环境和处理不兼容依赖项的需要。
如果你具有良好的互联网连接并且想要临时设置，那么在 Codespaces 环境中处理 SciPy 通常会更快。 有关如何开始使用 Codespaces 的文档，请参阅Codespaces 文档。 当为scipy/scipy存储库创建代码空间时，默认的 2 核机器类型即可工作； 4 核将更快地构建和工作（但当然代价是使你的免费使用时间减半）。 代码空间启动后，你可以运行conda activate scipy-dev，你的开发环境就完全设置好了 - 然后你可以按照 SciPy 文档的相关部分构建，测试，开发，编写文档并为 SciPy 做出贡献。