SciPy 1.5.0 发行说明 #

SciPy 1.5.0 是 6 个月辛勤工作的结晶。它包含许多新功能、大量的错误修复、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。鼓励所有用户升级到此版本，因为它有大量的错误修复和优化。在升级之前，我们建议用户检查他们自己的代码是否使用了已弃用的 SciPy 功能（要做到这一点，请使用 python -Wd 运行您的代码，并检查是否有 DeprecationWarning）。我们的开发重点现在将转移到 1.5.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 3.6+ 和 NumPy 1.14.5 或更高版本。

对于在 PyPy 上运行，需要 PyPy3 6.0+ 和 NumPy 1.15.0。

此版本亮点 #

现在 scipy.linalg.lapack 中提供了十几个以上新的 LAPACK 例程的包装器
改进了对利用线性代数后端 64 位整数大小的支持
增加了双侧单样本 Kolmogorov-Smirnov 检验的概率分布

新功能 #

`scipy.cluster` 改进#

使用 minit="++" 初始化 scipy.cluster.vq.kmeans2 在样本数量中具有二次复杂性。它已得到改进，从而以准线性复杂性实现了更快的初始化。

scipy.cluster.hierarchy.dendrogram 现在遵循 matplotlib 颜色调色板

`scipy.fft` 改进#

在此模块的所有 FFT 函数中添加了一个新的仅关键字参数 plan。它保留用于传入来自提供 FFT 后端的库（如 PyFFTW 和 mkl-fft）的预先计算的计划，并且目前在 SciPy 中未使用。

`scipy.integrate` 改进#

`scipy.interpolate` 改进#

`scipy.io` 改进#

scipy.io.wavfile 错误消息更清楚地说明了问题所在，并且忽略了文件末尾多余的字节，而不是在成功读取数据时引发错误。

scipy.io.loadmat 获得了一个 simplify_cells 参数，如果设置为 True，则如果 .mat 文件包含单元格数组，则会简化返回值的结构。

现在 pathlib.Path 对象在 scipy.io Matrix Market I/O 函数中受支持

`scipy.linalg` 改进#

scipy.linalg.eigh 得到了改进。现在可以随意选择各种 LAPACK 驱动程序，也可以通过 subset_by_value 关键字请求特征值的子集。引入了另一个关键字 subset_by_index。关键字 turbo 和 eigvals 已被弃用。

类似地，添加了标准和广义 Hermitian 特征值 LAPACK 例程 ?<sy/he>evx，现有例程现在具有完整的 _lwork 对等项。

以下 LAPACK 例程的包装器已添加到 scipy.linalg.lapack 中

?getc2：计算具有完整主元的通用矩阵的 LU 分解
主元
?gesc2：求解给定来自 ?getc2 的 LU 分解的线性系统
?gejsv：计算通用矩阵的奇异值分解，
具有更高精度的微小奇异值及其对应的奇异向量计算
?geqrfp：计算通用矩阵的 QR 分解，
R 的对角线上有非负元素
?gtsvx：求解具有通用三对角矩阵的线性系统
?gttrf：计算三对角矩阵的 LU 分解
?gttrs：求解给定来自 ?gttrf 的 LU 分解的线性系统
?ptsvx：求解具有对称正定
三对角矩阵的线性系统
?pttrf：计算对称正定矩阵的 LU 分解
三对角矩阵的线性系统
?pttrs：求解给定来自 ?pttrf 的 LU 分解的线性系统
?pteqr：计算正定矩阵的特征向量和特征值
三对角矩阵的线性系统
?tbtrs：求解具有三角带状矩阵的线性系统
?csd：计算正交/酉矩阵的余弦正弦分解
矩阵

广义 QR 分解例程（?geqrf）现在具有完整的 _lwork 对等项。

添加了酉矩阵的 scipy.linalg.cossin 余弦正弦分解。

添加了函数 scipy.linalg.khatri_rao，该函数计算 Khatri-Rao 乘积。

新函数 scipy.linalg.convolution_matrix 构造表示一维卷积的 Toeplitz 矩阵。

`scipy.ndimage` 改进#

`scipy.optimize` 改进#

在各种使用梯度的 minimize 方法中使用的有限差分数值微分具有几个新功能

可以使用 2 点、3 点或复步有限差分。以前只有 2 步有限差分可用。
现在可以使用相对步长，以前只有绝对步长可用。
如果 minimize 方法使用边界，则数值微分严格遵守这些限制。
数值微分机制现在使用一个简单的缓存，在某些情况下可以减少函数评估的次数。
minimize 的 method= 'powell' 现在支持简单的边界约束

scipy.optimize.linprog 已有多项改进

linprog 基准套件已大大扩展。
linprog 基于密集的基于主元的冗余删除例程和稀疏预求解更快
当 scikit-sparse 可用时，使用 method='interior-point' 求解稀疏问题会更快

当优化返回值和梯度两者的函数时，值的缓存得到了改进，从而避免了在使用 HessianApproximation （例如 BFGS）时重复的函数评估。

differential_evolution 现在可以使用现代 np.random.Generator 以及传统的 np.random.RandomState 作为种子。

`scipy.signal` 改进#

在此模块的 freqz 函数中添加了一个新的可选参数 include_nyquist。它用于包括最后一个频率（奈奎斯特频率）。

scipy.signal.find_peaks_cwt 现在接受一个 window_size 参数，用于指定计算噪声底层的窗口大小。

`scipy.sparse` 改进#

当使用 2d 列向量选择列索引时，外部索引现在更快。

scipy.sparse.lil.tocsr 更快

修复/改进了 pydata 稀疏数组和稀疏矩阵之间的比较

BSR 格式稀疏乘法性能得到了提高。

scipy.sparse.linalg.LinearOperator 新增了 ndim 类属性

`scipy.spatial` 改进#

已添加 scipy.spatial.geometric_slerp 以启用 n 球面上的几何球面线性插值

scipy.spatial.SphericalVoronoi 现在支持计算 2D 和 3D 情况下的区域面积

cKDTree 使用的树构建算法从二次最坏情况时间复杂度改进为对数线性。现在，还可以使用用于构建和查询平衡/不平衡 kd 树的基准。

`scipy.special` 改进#

以下函数现在在 cython_special 中具有 Cython 接口

添加了 scipy.special.log_softmax 以计算 softmax 函数的对数。对于使 softmax 饱和的输入，它比 log(scipy.special.softmax(x)) 提供更好的精度。

`scipy.stats` 改进#

改进了scipy.stats.dlaplace中生成随机样本的函数。新函数的速度大约快两倍，内存占用减少了 25% 到 60% (参见 gh-11069)。

scipy.stats 中接受种子以使用随机数生成进行可重复计算的函数（例如，来自分布的随机变量），现在可以使用现代的 np.random.Generator 以及传统的 np.random.RandomState 作为种子。

向scipy.stats.rankdata添加了 axis 参数。这允许沿给定轴对数组切片进行独立排序。

向scipy.stats.f_oneway添加了 axis 参数，允许它为存储在 n 维数组中的数据计算多个单向 ANOVA 测试。f_oneway 在某些情况下的性能也得到了提高。

stats.geninvgauss 的 PDF 和 CDF 方法现在速度明显更快，因为用于计算 CDF 的数值积分使用基于 Cython 的 LowLevelCallable。

正态分布（scipy.stats.norm）的矩现在使用解析公式计算，而不是数值积分，以获得更高的速度和准确性。

梯形分布（scipy.stats.trapz）的矩和熵现在使用解析公式计算，而不是数值积分，以获得更高的速度和准确性。

截断正态分布（scipy.stats.truncnorm）的方法，尤其是 _rvs，在完全重写后速度明显加快。

拉普拉斯分布 scipy.stats.laplace 的fit 方法现在使用解析公式来计算参数的最大似然估计。

现在所有 SciPy 分布的随机变量生成都是线程安全的。第三方分布可能需要修改 _rvs() 方法的签名，以符合 _rvs(self, ..., size=None, random_state=None)。（当使用不符合要求的分布时，会发出一次 VisibleDeprecationWarning。）

添加了 Kolmogorov-Smirnov 双边检验统计量分布（scipy.stats.kstwo）。使用精确算法和渐近算法的混合，计算大小为 n 的样本的 K-S 双边统计量 D_n 的分布。

新函数 median_abs_deviation 取代了已弃用的 median_absolute_deviation。

现在，wilcoxon 函数使用长度最大为 25 的输入的精确分布来计算 Wilcoxon 符号秩检验的 p 值。该函数有一个新的 mode 参数来指定如何计算 p 值。默认值为 "auto"，它使用长度最大为 25 的输入的精确分布，对于较大的输入则使用正态近似。

添加了一个新的基于 Cython 的实现来评估高斯核估计，这应该可以提高 gaussian_kde 的性能。

现在，winsorize 函数有一个 nan_policy 参数，用于改进对 nan 输入值的处理。

使用 statistic="std" 的 binned_statistic_dd 函数的性能提高了约 4 倍。

scipy.stats.kstest(rvs, cdf,...) 现在处理单样本和双样本测试。单样本变体使用 scipy.stats.ksone（或回退到 scipy.stats.kstwobign 的 scipy.stats.kstwo）来计算 p 值。如果 cdf 是类似数组，则调用的双样本变体使用 Hodges 描述的算法直接计算概率，仅在溢出的情况下回退到 scipy.stats.kstwo。在两种情况下，结果都是更准确的 p 值，特别是对于较小（或非常不同）大小的双样本测试。

scipy.stats.maxwell 的性能改进包括 fit() 速度提高了 20 %，pdf() 速度提高了 5 %。

scipy.stats.shapiro 和 scipy.stats.jarque_bera 现在返回一个命名元组，以便与其他 stats 函数保持更好的一致性。