SciPy 0.13.0 发行说明#
SciPy 0.13.0 是 7 个月辛勤工作的结晶。它包含许多新功能、大量错误修复、改进的测试覆盖率和更好的文档。此版本中进行了一些弃用和 API 更改，如下所述。建议所有用户升级到此版本，因为它包含大量错误修复和优化。此外，我们的开发重点现在将转移到 0.13.x 分支上的错误修复版本，以及在主分支上添加新功能。
此版本需要 Python 2.6、2.7 或 3.1-3.3 以及 NumPy 1.5.1 或更高版本。此版本的亮点是
支持稀疏矩阵的花式索引和布尔比较
linalg 模块中的插值分解和矩阵函数
两个用于无约束最小化的新信赖域求解器
新功能#
scipy.integrate 改进#
N 维数值积分#
添加了一个新函数 scipy.integrate.nquad，它提供了 N 维积分功能，其接口比 dblquad 和 tplquad 更灵活。
dopri* 改进#
现在可以通过 solout 回调函数访问 dopri 系列 ODE 求解器的中间结果。
scipy.linalg 改进#
插值分解#
Scipy 现在包含一个新模块 scipy.linalg.interpolative，其中包含用于计算插值矩阵分解 (ID) 的例程。此功能基于 P.G. Martinsson、V. Rokhlin、Y. Shkolnisky 和 M. Tygert 的 ID 软件包，之前由 K.L. Ho 在 PymatrixId 软件包中为 Python 进行了改编。
极分解#
添加了一个新函数 scipy.linalg.polar，用于计算矩阵的极分解。
BLAS 级别 3 函数#
BLAS 函数 symm、syrk、syr2k、hemm、herk 和 her2k 现在封装在 scipy.linalg 中。
矩阵函数#
根据 Nick Higham 及其合作者最近论文中的详细描述，已经实现或更新了几个矩阵函数算法。这些包括矩阵平方根 (sqrtm)、矩阵对数 (logm)、矩阵指数 (expm) 及其 Frechet 导数 (expm_frechet) 和分数矩阵幂 (fractional_matrix_power)。
scipy.optimize 改进#
信赖域无约束最小化算法#
minimize 函数新增了两个用于无约束最小化的信赖域求解器：dogleg 和 trust-ncg。
scipy.sparse 改进#
布尔比较和稀疏矩阵#
所有稀疏矩阵类型现在都支持布尔数据和布尔运算。两个稀疏矩阵 A 和 B 可以以所有预期的方式进行比较，例如 A < B，A >= B，A != B，产生与密集 Numpy 数组类似的结果。也支持与密集矩阵和标量的比较。
CSR 和 CSC 花式索引#
压缩稀疏行和列稀疏矩阵类型现在支持使用布尔矩阵、切片和列表进行花式索引。因此，如果 A 是 (CSC 或 CSR) 稀疏矩阵，您可以执行以下操作：
>>> A[A > 0.5] = 1 # since Boolean sparse matrices work
>>> A[:2, :3] = 2
>>> A[[1,2], 2] = 3
scipy.sparse.linalg 改进#
新函数 onenormest 提供了线性算子的 1-范数的下界，并已根据 Higham 和 Tisseur (2000) 的描述实现。此函数不仅对稀疏矩阵有用，还可以用于估计密集矩阵的乘积或幂的范数，而无需显式构建中间矩阵。
线性算子的矩阵指数的乘法作用 (expm_multiply) 已根据 Al-Mohy 和 Higham (2011) 的描述实现。
抽象线性算子 (scipy.sparse.linalg.LinearOperator) 现在可以相互相乘、相加和求幂，从而产生新的线性算子。这使得更容易构建复合线性运算。
scipy.spatial 改进#
现在可以通过 vertices 属性访问 ConvexHull 的顶点，它在 2-D 中给出正确的方向。
scipy.signal 改进#
添加了余弦窗函数 scipy.signal.cosine。
scipy.special 改进#
添加了新函数 scipy.special.xlogy 和 scipy.special.xlog1py。这些函数可以简化和加速必须计算 x * log(y) 并在 x == 0 时给出 0 的代码。
scipy.io 改进#
未格式化的 Fortran 文件读取器#
新类 scipy.io.FortranFile 便于读取 Fortran 代码编写的未格式化顺序文件。
scipy.io.wavfile 增强#
scipy.io.wavfile.write 现在接受文件缓冲区。以前它只接受文件名。
scipy.io.wavfile.read 和 scipy.io.wavfile.write 现在可以处理浮点 WAV 文件。
scipy.interpolate 改进#
B 样条导数和反导数#
添加了用于计算表示 B 样条的导数和反导数的 B 样条的 scipy.interpolate.splder 和 scipy.interpolate.splantider 函数。这些函数也可在基于类的 FITPACK 接口中作为 UnivariateSpline.derivative 和 UnivariateSpline.antiderivative 使用。
scipy.stats 改进#
现在，除了位置参数外，分布还允许在所有方法中使用关键字参数。
添加了函数 scipy.stats.power_divergence 用于 Cressie-Read 幂散度统计量和拟合优度检验。此统计量系列中包含 “G 检验” (https://en.wikipedia.org/wiki/G-test)。
scipy.stats.mood 现在接受多维输入。
为 scipy.stats.wilcoxon 添加了一个用于连续性校正的选项。
scipy.stats.chisquare 现在有一个 axis 参数。
scipy.stats.mstats.chisquare 现在具有 axis 和 ddof 参数。
已弃用的功能#
expm2 和 expm3#
矩阵指数函数 scipy.linalg.expm2 和 scipy.linalg.expm3 已弃用。所有用户都应使用数值上更稳健的 scipy.linalg.expm 函数。
scipy.stats 函数#
scipy.stats.oneway 已弃用；应使用 scipy.stats.f_oneway。
scipy.stats.glm 已弃用。scipy.stats.ttest_ind 是一个等效函数；更全面的通用（和广义）线性模型实现可以在 statsmodels 中找到。
scipy.stats.cmedian 已弃用；应使用 numpy.median。
向后不兼容的更改#
LIL 矩阵赋值#
使用两个索引数组为 LIL 矩阵赋值现在的工作方式与赋值到 ndarray 类似
>>> x = lil_matrix((3, 3))
>>> x[[0,1,2],[0,1,2]]=[0,1,2]
>>> x.todense()
matrix([[ 0., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 2.]])
而不是给出结果
>>> x.todense()
matrix([[ 0., 1., 2.],
[ 0., 1., 2.],
[ 0., 1., 2.]])
依赖于先前行为的用户需要重新审视他们的代码。通过 x[numpy.ix_([0,1,2],[0,1,2])] = ... 可以获得先前的行为。
已删除弃用的 radon 函数#
已删除在 scipy 0.11.0 中弃用的 misc.radon 函数。用户可以在 scikit-image 中找到更全面的 radon 函数。
从 stats.distributions 中删除了已弃用的关键字 xa 和 xb#
自 0.11.0 以来已弃用的关键字 xa 和 xb 已从 scipy.stats 中的分布中删除。
对 MATLAB 文件读取器/写入器的更改#
主要更改是，当保存到 MATLAB 5 格式文件时，numpy 中的 1D 数组现在变为行向量（形状为 1, N）。以前，1D 数组保存为列向量（N, 1）。这是为了协调写入 MATLAB 4 和 5 格式的行为，并适应 numpy 和 MATLAB 的默认值 - 例如 np.atleast_2d 将 1D 数组作为行向量返回。
尝试以 MATLAB 4 格式保存大于 2 维的数组现在会引发错误，而不是静默地将数组重塑为 2D。
scipy.io.loadmat('afile') 曾经会在 Python 系统路径 ( sys.path ) 中查找 afile；现在 loadmat 只会在当前目录中查找相对路径的文件名。
其他更改#
安全修复：scipy.weave 以前在某些情况下以不安全的方式使用临时目录。
现在，构建 scipy 的未发布版本需要 Cython。从 Cython 源代码生成的 C 文件不再包含在 git 仓库中。但是，它们仍然在源代码发布中提供。
代码库进行了相当大的 PEP8 清理。添加了 tox pep8 命令；新代码应该通过此测试命令。
Scipy 无法再使用 gfortran 4.1 编译（至少在 RH5 上），这可能是由于该编译器版本不支持 entry 结构。