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。