SciPy 0.12.0发行说明¶
目录
SciPy 0.12.0是7个月辛勤工作的顶峰。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。此版本中有许多弃用和API更改,如下所述。我们鼓励所有用户升级到此版本,因为有大量的错误修复和优化。此外,我们的开发注意力现在将转移到0.12.x分支上的错误修复版本,以及在主分支上添加新功能。
此版本的一些亮点包括:
在scipy.space中完成了QHull包装器。
CKDTree现在是KDTree的临时替代品。
一种新的全局优化器,盆地跳跃。
支持同一代码库中的Python2和Python3(不再支持2to3)。
此版本需要Python2.6、2.7或3.1-3.3以及NumPy 1.5.1或更高版本。从本版本起,已取消对Python2.4和2.5的支持。
新功能¶
scipy.spatial
改进¶
cKDTree功能-完整¶
KDTree的Cython版本cKDTree现在功能齐全。大多数操作(构造、查询、查询球点、查询对、计数邻居和稀疏距离矩阵)在cKDTree中比在KDTree中快200到1000倍。除了非常小的警告外,cKDTree具有与KDTree完全相同的接口,并且可以作为临时替代。
Voronoi图和凸壳¶
scipy.spatial
现在包含使用Qhull库计算Voronoi图和凸壳的功能。(从Scipy 0.9.0开始提供Delaunay三角测量。)
Delaunay改进¶
现在可以在Delaunay三角测量中传入自定义Qhull选项。现在还会记录共面点(如果存在)。增量构建Delaunay三角测量现在也是可能的。
谱估计器 (scipy.signal
)¶
功能 scipy.signal.periodogram
和 scipy.signal.welch
被添加,从而提供基于DFT的谱估计器。
scipy.optimize
改进¶
L-BFGS-B和TNC中的回调函数¶
在L-BFGS-B和TNC最小化求解器中增加了回调机制。
流域跳跃全局优化 (scipy.optimize.basinhopping
)¶
一种新的全局优化算法。Basinhop被设计用来有效地找到光滑函数的全局极小值。
scipy.special
改进¶
修正的复误差函数¶
与误差函数相关的特殊函数的计算现在使用新的 Faddeeva library from MIT 这提高了它们的数值精度。标度误差函数和虚误差函数 erfcx
和 erfi
也相加了,道森积分 dawsn
现在可以针对复杂参数进行计算。
较快的正交多项式¶
正交多项式的求值( eval_*
例程)现在更快地 scipy.special
,以及他们的 out=
参数功能正常。
scipy.sparse.linalg
功能¶
在……里面
scipy.sparse.linalg.spsolve
,即b
参数现在可以是向量,也可以是矩阵。scipy.sparse.linalg.inv
已添加。这是用来spsolve
来计算稀疏矩阵的逆。scipy.sparse.linalg.expm
已添加。中的现有密集数组实现使用类似的算法来计算稀疏矩阵的指数。scipy.linalg.expm
。
列出Matlab(R)文件内容 scipy.io
¶
一种新功能 whosmat
在以下位置提供 scipy.io
用于检查MAT文件的内容,而无需将其读取到存储器。
记录的BLAS和LAPACK低级接口 (scipy.linalg
)¶
模块 scipy.linalg.blas
和 scipy.linalg.lapack
可用于访问低级BLAS和LAPACK功能。
多项式插值的改进 (scipy.interpolate
)¶
文[1]中的重心、Krogh、分段和pChip多项式插值器 scipy.interpolate
立即接受一个 axis
论点。
不推荐使用的功能¶
scipy.lib.lapack¶
该模块 scipy.lib.lapack 已弃用。您可以使用 scipy.linalg.lapack
取而代之的是。该模块 scipy.lib.blas 早些时候在Scipy 0.10.0中已弃用。
fblas and cblas¶
访问模块 scipy.linalg.fblas , cblas , flapack , clapack 已弃用。取而代之的是,使用模块 scipy.linalg.lapack
和 scipy.linalg.blas
。
向后不兼容的更改¶
删除 scipy.io.save_as_module
¶
该函数 scipy.io.save_as_module
在Scipy 0.11.0中已弃用,现在已删除。
其专用支持模块 scipy.io.dumbdbm_patched
和 scipy.io.dumb_shelve
也会被移除。
axis argument added to scipy.stats.scoreatpercentile
¶
该函数 scipy.stats.scoreatpercentile
已经被给予了一个 axis 论点。默认参数为 axis=None ,这意味着计算是在展平的数组上完成的。在这个变化之前, scoreatpercentile 会表现得好像 axis=0 已经被给予了。代码使用 scoreatpercentile 使用多维数组将需要添加 axis=0 绑定到函数调用以保留旧行为。(直到0.12.0发布很久之后,才注意到此API更改。)