SciPy 0.19.0 发布说明#
SciPy 0.19.0 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，这些更改将在下面详细说明。鼓励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，我们的开发重心现在将转向 0.19.x 分支上的错误修复版本，以及 master 分支上的新功能添加。
此版本需要 Python 2.7 或 3.4-3.6 以及 NumPy 1.8.2 或更高版本。
本次发布的亮点包括
一个统一的外部函数接口层，
scipy.LowLevelCallable。通过 cimport scipy.special.cython_special，用于
scipy.special模块中通用函数的标量、类型化版本的 Cython API。
新功能#
外部函数接口改进#
scipy.LowLevelCallable 提供了一个新的统一接口，用于在 Python 空间中封装低级编译回调函数。它支持 Cython 导入的“api”函数、ctypes 函数指针、CFFI 函数指针、PyCapsules、Numba 即时编译函数等。详情请参见 gh-6509。
scipy.linalg 改进#
函数 scipy.linalg.solve 获得了两个新关键字 assume_a 和 transposed。底层 LAPACK 例程已替换为“专家”版本，现在也可用于求解对称、厄米特和正定系数矩阵。此外，病态矩阵现在会发出警告，并附带估计的条件数信息。旧的 sym_pos 关键字出于向后兼容性原因而保留，但它与使用 assume_a='pos' 相同。此外，debug 关键字（除了打印 overwrite_<a, b> 值外没有其他功能）已被弃用。
添加了函数 scipy.linalg.matrix_balance，以使用 LAPACK xGEBAL 例程系列执行所谓的矩阵平衡。这可用于通过对角相似变换近似地平衡行和列范数。
函数 scipy.linalg.solve_continuous_are 和 scipy.linalg.solve_discrete_are 具有数值上更稳定的算法。这些函数还可以求解广义代数矩阵 Riccati 方程。此外，两者都增加了一个 balanced 关键字，用于开启和关闭平衡。
scipy.spatial 改进#
scipy.spatial.SphericalVoronoi.sort_vertices_of_regions 已用 Cython 重写以提高性能。
scipy.spatial.SphericalVoronoi 可以处理超过 20 万个点（至少 1000 万个），并且性能有所提高。
添加了函数 scipy.spatial.distance.directed_hausdorff，用于计算有向 Hausdorff 距离。
scipy.spatial.cKDTree 的 count_neighbors 方法通过新关键字 weights 和 cumulative 获得了执行加权对计数的能力。详情请参见 gh-5647。
scipy.spatial.distance.pdist 和 scipy.spatial.distance.cdist 现在支持非双精度自定义度量。
scipy.ndimage 改进#
回调函数 C API 在 Python 2.7 中支持 PyCapsules。
多维滤波器现在允许对不同轴使用不同的外推模式。
scipy.optimize 改进#
scipy.optimize.basinhopping 全局最小化器获得了一个新关键字 seed，可用于为随机数生成器设置种子并获得可重复的最小化结果。
scipy.optimize.curve_fit 中的关键字 sigma 被重载，也可以接受数据中误差的协方差矩阵。
scipy.signal 改进#
函数 scipy.signal.correlate 和 scipy.signal.convolve 有一个新的可选参数 method。auto 的默认值会估算两种计算方法中哪种最快：直接法和傅里叶变换法。
添加了一个新函数 scipy.signal.choose_conv_method 来选择卷积/相关方法，如果对许多相同大小的数组执行卷积或相关操作，这可能很合适。
添加了新函数 scipy.signal.stft 和 scipy.signal.istft，用于计算输入信号的复数短时傅里叶变换，并反转变换以恢复原始信号。此实现还修复了先前当请求复数输出数据时 scipy.signal.spectrogram 的不正确输出。
添加了函数 scipy.signal.sosfreqz，用于计算二阶截面的频率响应。
添加了函数 scipy.signal.unit_impulse，以便方便地生成脉冲函数。
添加了函数 scipy.signal.iirnotch，用于设计二阶 IIR 陷波滤波器，可用于从信号中移除频率分量。添加了对偶函数 scipy.signal.iirpeak，用于计算二阶 IIR 峰值（谐振）滤波器的系数。
添加了函数 scipy.signal.minimum_phase，用于将线性相位 FIR 滤波器转换为最小相位。
函数 scipy.signal.upfirdn 和 scipy.signal.resample_poly 在对某些 n 维数组（当 n > 1 时）进行操作时现在速度显著加快。计算时间的最大减少体现在沿要过滤的轴数组大小较小（约 <1k 样本）的情况。
scipy.fftpack 改进#
快速傅里叶变换例程现在接受 np.float16 输入并将其提升为 np.float32。以前，它们会引发错误。
scipy.cluster 改进#
scipy.cluster.hierarchy.linkage 的“centroid”和“median”方法已显著加速。长期存在的在大型输入数据（超过 16 GB）上使用 linkage 的问题已解决。
scipy.sparse 改进#
添加了函数 scipy.sparse.save_npz 和 scipy.sparse.load_npz，为一些稀疏格式提供了简单的序列化。
bsr_matrix、csc_matrix 和 csr_matrix 类中的 prune 方法已更新，可在特定条件下重新分配后端数组，从而减少内存使用。
coo_matrix、csc_matrix、csr_matrix 和 bsr_matrix 类中添加了 argmin 和 argmax 方法。
新函数 scipy.sparse.csgraph.structural_rank 计算具有给定稀疏模式的图的结构秩。
新函数 scipy.sparse.linalg.spsolve_triangular 求解具有三角左侧矩阵的稀疏线性系统。
scipy.special 改进#
通过新模块 scipy.special.cython_special 的 cimport，scipy.special 中的通用函数的标量、类型化版本可在 Cython 空间中使用。这些标量函数预计比用于标量参数的通用函数显著更快。详情请参见 scipy.special 教程。
函数 scipy.special.geterr 和 scipy.special.seterr 以及上下文管理器 scipy.special.errstate 提供了对特殊函数错误的更好控制。
正交多项式根函数的名称已更改，以与其他正交多项式相关函数保持一致。例如，scipy.special.j_roots 已重命名为 scipy.special.roots_jacobi，以与相关函数 scipy.special.jacobi 和 scipy.special.eval_jacobi 保持一致。为了保持向后兼容性，旧名称已保留为别名。
Wright Omega 函数已实现为 scipy.special.wrightomega。
scipy.stats 改进#
添加了函数 scipy.stats.weightedtau。它提供了 Kendall’s tau 的加权版本。
新类 scipy.stats.multinomial 实现了多项式分布。
新类 scipy.stats.rv_histogram 从分箱数据样本构建一个具有分段线性 CDF 的连续单变量分布。
新类 scipy.stats.argus 实现了 Argus 分布。
scipy.interpolate 改进#
新类 scipy.interpolate.BSpline 表示样条。BSpline 对象包含节点和系数，并可以评估样条。该格式与 FITPACK 一致，例如可以进行以下操作：
>>> t, c, k = splrep(x, y, s=0)
>>> spl = BSpline(t, c, k)
>>> np.allclose(spl(x), y)
spl* 函数，scipy.interpolate.splev、scipy.interpolate.splint、scipy.interpolate.splder 和 scipy.interpolate.splantider，接受 BSpline 对象和 (t, c, k) 元组以实现向后兼容性。
对于多维样条，当 c.ndim > 1 时，BSpline 对象与分段多项式 scipy.interpolate.PPoly 保持一致。这意味着 BSpline 对象与 scipy.interpolate.splprep 不直接兼容，并且不能执行 >>> BSpline(*splprep([x, y])[0])。有关精确等效的示例，请参阅 scipy.interpolate 测试套件。
在新代码中，建议使用 scipy.interpolate.BSpline 对象，而不是直接操作 (t, c, k) 元组。
新函数 scipy.interpolate.make_interp_spline 根据数据点和边界条件构建插值样条。
新函数 scipy.interpolate.make_lsq_spline 根据数据点构建最小二乘样条近似。
scipy.integrate 改进#
现在 scipy.integrate.fixed_quad 支持向量值函数。
已弃用功能#
scipy.interpolate.splmake、scipy.interpolate.spleval 和 scipy.interpolate.spline 已弃用。splmake/spleval 使用的格式与 splrep/splev 不一致，这让用户感到困惑。
scipy.special.errprint 已弃用。改进的功能可在 scipy.special.seterr 中找到。
调用 scipy.spatial.distance.pdist 或 scipy.spatial.distance.cdist 时使用所选度量不需要的参数已被弃用。此外，度量 “old_cosine” 和 “old_cos” 已弃用。
不兼容的更改#
已删除弃用的 scipy.weave 子模块。
scipy.spatial.distance.squareform 现在返回与输入相同 dtype 的数组，而不是总是 `float64`。
scipy.special.errprint 现在返回一个布尔值。
函数 scipy.signal.find_peaks_cwt 现在返回一个数组而不是一个列表。
scipy.stats.kendalltau 现在在输入包含平局的情况下计算正确的 p 值。p 值也与 scipy.stats.mstats.kendalltau 和 R 计算的 p 值相同。如果输入不包含平局，则与以前的实现相比没有变化。
函数 scipy.linalg.block_diag 不再忽略零大小的矩阵。相反，它将插入适当大小的全零行或列。详情请参见 gh-4908。
其他更改#
SciPy wheels 现在将在所有平台上报告它们对 numpy 的依赖。做出此更改是因为 NumPy wheels 可用，并且因为 pip 升级行为最终正在好转（对于 pip >= 8.2，使用 --upgrade-strategy=only-if-needed；该行为将在下一个 pip 主要版本中成为默认设置）。
scipy.interpolate.interp1d 使用 kind="cubic" 和 "quadratic" 返回的数值可能相对于以前的 SciPy 版本有所变化。如果您的代码依赖于特定的数值（即插值器的实现细节），您可能需要仔细检查结果。