开发环境快速入门指南(MacOS)¶
本快速入门指南将涵盖以下内容：
设置和维护开发环境，包括安装编译器和SciPy构建依赖项；
在GitHub上创建SciPy存储库的个人分支；
使用GIT管理具有开发分支的本地存储库；
执行原地构建的SciPy；以及
创建将此开发版本的SciPy添加到Python路径的虚拟环境
在MacOS中(在11.1上测试)。
注解
本指南并不提供设置开发环境的唯一方法；有许多有效的Python发行版、C/Fortran编译器和安装选项可供选择。这里的步骤通常可以针对其他选择进行调整，但我们不能提供为它们量身定做的文档。
本指南假设您是在没有安装Python3的情况下开始的。如果您已经有Python3，您可能希望先卸载它，以避免在命令行中使用哪个Python版本的歧义。
构建Science Py¶
安装Apple开发人员工具。要做到这一点，一种简单的方法是 open a terminal window ，输入命令
xcode-select --install，并按照提示操作。Apple开发者工具包括 git ，我们需要该软件来下载和管理本网站的源代码。下载、安装并测试最新版本的 Anaconda Distribution of Python 。除了最新版本的Python3之外，Anaconda发行版还包括数十个最流行的用于科学计算的Python包
conda包管理器，以及用于管理虚拟环境的工具。如果您正在使用终端进行安装，请确保在安装程序完成后遵循列出的“后续步骤”进行安装。您可能还需要重新启动终端窗口或输入
source ~/.bash_profile以使所有更改生效。(可选)在终端窗口中，输入
conda list。这显示了随Python的Anaconda发行版一起提供的所有Python包的列表。注意最新发布的SciPy版本就在其中；这不是您要构建的开发版本，可以修改。理想情况下，我们希望拥有两个版本，并且我们希望能够根据需要在这两个版本之间进行切换。 Virtual environments 就能做到这一点。只需在终端上按几个键，甚至单击一个图标，我们就可以启用或禁用我们的开发版本。我们来安排一下吧。
注解
如果
conda不是可识别的命令，请尝试重新启动您的终端。如果仍然无法识别，请参阅“我应该将 Python 添加到MacOS还是Linux路径？”在 Anaconda FAQ 。请输入
conda create --name scipydev要创建名为的空虚拟环境，请执行以下操作scipydev(或您喜欢的其他名称)。这告诉我们conda为我们的包裹创建一个新的、空的环境。使用激活环境conda activate scipydev。请注意，每当您想要使用开发版本的SciPy时，都需要激活这个虚拟环境。请输入
conda config --env --add channels conda-forge告诉 Python 我们想要的包裹来源。然后输入conda install python=3.8 numpy pybind11 cython pythran pytest compilers sphinx pydata-sphinx-theme sphinx-panels matplotlib mypy要安装以下软件包，请执行以下操作：numpy pybind11 cython pythran是本网站依赖的四个套餐。compilers保存用于构建SciPy的Fortran、C和C++源代码的编译器。pytest是运行测试套件所需的。sphinx，pydata-sphinx-theme，sphinx-panels和matplotlib是呈现本网站文档所必需的。mypy是一个针对Python的静电类型检查器。考虑使用它。
请注意，我们安装的是SciPy的构建依赖项和其他一些软件，但不是SciPy本身。
浏览到 SciPy repository on GitHub 和 create your own fork 。如果您还没有GitHub帐户，则需要创建一个GitHub帐户。
浏览到您的叉子。您的分叉将有一个URL，如下所示 https://github.com/mdhaber/scipy ，除非使用您的GitHub用户名代替“mdhaber”。
单击大的绿色“克隆或下载”按钮，然后将“.git”URL复制到剪贴板。URL将与您的fork的URL相同，不同之处在于它将以“.git”结尾。
在计算机上方便的位置为SciPy源代码创建一个文件夹。在终端中导航到它。
输入命令
git clone后跟您的fork的.git URL。请注意，这将在终端的工作目录中创建一个scipy包含SciPy源代码的文件夹。在终端中，导航到
scipy根目录(例如cd scipy)。初始化git子模块：
git submodule update --init。执行在位构建：输入
python3 setup.py build_ext --inplace。
这将编译SciPy附带的C、C++和Fortran代码。我们安装了python3和 Python 在一起。setup.py是SciPy根目录中的脚本，这就是为什么您必须在SciPy根目录中才能调用它的原因。build_ext是在中定义的命令setup.py，以及--inplace是一个选项，我们将使用它来确保编译在您已有的SciPy目录中进行，而不是Python包的默认位置。通过就地构建，您不必在测试对Python代码的更改之前重新构建SciPy。测试版本：输入
python3 runtests.py -v。runtests.py是SciPy根目录中的另一个脚本。它运行一套测试来确保SciPy按其应有的方式工作，并且-v激活--verbose选项以显示所有测试输出。如果测试成功，您现在就有了一个可以正常工作的SciPy开发版本！您可以到此为止，但是只有当Python工作目录是SciPy根目录时，您才能使用这个开发版本。请输入
conda develop ., where.指的是当前目录。
这将使我们能够importPython中的SciPy开发版本，与Python的工作目录无关。在新的终端窗口中，测试您的设置。如果您激活了虚拟环境(例如
conda activate scipydev)并运行从SciPy导入的Python代码，则您对SciPy代码所做的任何更改都应在代码运行时反映出来。在停用虚拟环境之后 (conda deactivate)，Python从 Python 安装的SciPy版本导入。您还可以通过在Python中执行以下命令来检查您使用的是哪个版本的SciPy：：import scipy print(scipy.__version__)
如果您已成功导入开发版本的SciPy，则Word
dev将显示在输出中，例如：：1.6.0.dev0+be97f1a