SciPy 0.18.0发行说明¶
目录
-
-
scipy.signal改进scipy.sparse改进scipy.stats改进scipy.linalg改进
-
SciPy 0.18.0是6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0.19.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 2.7或3.4-3.5以及NumPy 1.7.1或更高版本。
此版本的亮点包括：
两点边值问题的一种新的常微分方程求解器 scipy.optimize.solve_bvp 。
一个新的班级， CubicSpline ，用于数据的三次样条插值。
n维张量积多项式，
scipy.interpolate.NdPPoly。球面Voronoi图，
scipy.spatial.SphericalVoronoi。支持离散时间线性系统，
scipy.signal.dlti。
新功能¶
scipy.integrate 改进¶
实现了常微分方程两点边值问题的求解器。 scipy.integrate.solve_bvp 。该求解器允许不分离的边界条件、未知参数和某些奇异项。利用四阶配置算法求出C1连续解。
scipy.interpolate 改进¶
现在可以通过以下方式使用三次样条插值 scipy.interpolate.CubicSpline 。此类表示通过给定点且C2连续的分段三次多项式。它在每一段上用标准多项式基表示。
n维张量积分段多项式的表示形式为 scipy.interpolate.NdPPoly 班级。
一元分段多项式类， PPoly 和 Bpoly ，现在可以在周期域上求值。使用 extrapolate="periodic" 此操作的关键字参数。
scipy.fftpack 改进¶
scipy.fftpack.next_fast_len 函数计算FFTPACK的下一个“常规”数字。将输入填充到此长度可以显著提高 scipy.fftpack.fft 。
scipy.signal 改进¶
在该函数中实现了使用多相滤波的重采样 scipy.signal.resample_poly 。此方法对信号进行上采样，应用零相位低通FIR过滤，然后使用 scipy.signal.upfirdn (这也是0.18.0中的新增功能)。此方法可以比由提供的基于FFT的滤波更快 scipy.signal.resample 寻找一些信号。
scipy.signal.firls ，它使用最小二乘误差最小化来构造FIR滤波器。
scipy.signal.sosfiltfilt ，它执行前向后向过滤，如下所示 scipy.signal.filtfilt 但对于二阶截面，添加了。
离散时间线性系统¶
scipy.signal.dlti 提供离散时间线性系统的实现。因此， StateSpace ， TransferFunction 和 ZerosPolesGain 班级已经学习了一个新的关键字， dt ，它可用于创建相应系统表示的离散时间实例。
scipy.sparse 改进¶
功能 sum ， max ， mean ， min ， transpose ，以及 reshape 在……里面 scipy.sparse 中类似定义的函数的兼容性。 numpy 。
稀疏矩阵现在有一个 count_nonzero 方法，该方法计算矩阵中非零元素的数量。不像 getnnz() 和 nnz 属性，该属性返回存储条目的数量(数据属性的长度)，则此方法计算数据中非零条目的实际数量。
scipy.optimize 改进¶
内尔德-米德极小化算法的实现 scipy.minimize(..., method="Nelder-Mead") ，获得新的关键字， initial_simplex ，它可用于指定优化过程的初始单纯形。
改进了CG和BFGS最小化算法中的初始步长选择。我们预计，在某些情况下，这一变化将提高优化的数值稳定性。有关详细信息，请参阅拉式请求GH-5536。
改进了SLSQP优化中对无限边界的处理。我们预计，在某些情况下，这一改变将提高优化的数值稳定性。详见拉取请求GH-6024。
添加了一大套全局优化基准测试 scipy/benchmarks/go_benchmark_functions 。有关详细信息，请参阅拉取请求GH-4191。
如果调用方没有设置最大迭代次数或函数求值的限制，Nelder-Mead和Powell最小化现在只会设置默认值。在某些函数收敛速度较慢且仅设置1个极限的情况下，最小化可能会比以前的版本持续更长的时间，因此更有可能达到收敛。参见问题GH-5966。
scipy.stats 改进¶
梯形分布已经实现为 scipy.stats.trapz 。歪斜正态分布已经实现为 scipy.stats.skewnorm 。BURR类型XII分布已经实现为 scipy.stats.burr12 。三参数和四参数kappa分布已经实现为 scipy.stats.kappa3 和 scipy.stats.kappa4 ，分别为。
新的 scipy.stats.iqr 函数计算分布的四分位数间区域。
随机矩阵¶
scipy.stats.special_ortho_group 和 scipy.stats.ortho_group 分别提供SO(N)和O(N)组中的随机矩阵的生成器。它们生成Haar分布中的矩阵，Haar分布是这些群流形上唯一的均匀分布。
scipy.stats.random_correlation 提供给定指定特征值的随机相关矩阵的生成器。
scipy.linalg 改进¶
scipy.linalg.svd 获得了新的关键字参数， lapack_driver 。可用的驱动程序包括 gesdd (默认)和 gesvd 。
scipy.linalg.lapack.ilaver 返回链接到的LAPACK库SciPy的版本。
scipy.spatial 改进¶
布尔距离， scipy.spatial.pdist ，已经加快了速度。改进因函数和输入大小而异。在许多情况下，可以预期加速速度为x2-x10。
新班级 scipy.spatial.SphericalVoronoi 在球面上构造Voronoi图。详情请参见拉取请求GH-5232。
scipy.cluster 改进¶
实现了一种新的聚类算法--最近邻链算法 scipy.cluster.hierarchy.linkage 。因此，可以预期算法会有显著的改进 (\(O(N^2)\) 而不是 \(O(N^3)\) )用于几种链接方法。
scipy.special 改进¶
新功能 scipy.special.loggamma 计算Gamma函数的对数的主分支。对于真实输入， loggamma 与 scipy.special.gammaln 。对于复杂输入，它在复杂平面中具有更一致的行为，应该优先于 gammaln 。
球面贝塞尔函数的矢量化形式已经实现为 scipy.special.spherical_jn ， scipy.special.spherical_kn ， scipy.special.spherical_in 和 scipy.special.spherical_yn 。建议在以下情况下使用 sph_* 函数，这些函数现在已弃用。
几个特殊功能已经扩展到复杂的域和/或已经看到域/稳定性的改进。这包括 spence ， digamma ， log1p 还有其他几个人。
不推荐使用的功能¶
的跨类属性 lti 系统已被弃用。以下属性/setter将引发 DeprecationWarning ：
名称-(访问/设置引发警告)-(设置引发警告) * StateSpace - (num, den, gain) - (zeros, poles) * TransferFunction (A ， B ， C ， D ， gain )- (zeros ， poles )*ZerosPolesGain (A ， B ， C ， D ， num ， den )-()
球面贝塞尔函数， sph_in ， sph_jn ， sph_kn ， sph_yn ， sph_jnyn 和 sph_inkn 已被弃用，取而代之的是 scipy.special.spherical_jn 和 spherical_kn ， spherical_yn ， spherical_in 。
中的以下函数 scipy.constants 已弃用： C2K ， K2C ， C2F ， F2C ， F2K 和 K2F 。它们被一个新函数取代 scipy.constants.convert_temperature 它可以执行所有这些转换，再加上朗肯温标的来回转换。
向后不兼容的更改¶
scipy.optimize¶
新算法的收敛性判据 optimize.bisect ， optimize.brentq ， optimize.brenth ，以及 optimize.ridder 现在的工作方式与 numpy.allclose 。
scipy.ndimage¶
中的偏移 ndimage.iterpolation.affine_transform 现在，无论矩阵是使用一维数组还是二维数组指定的，在应用矩阵之后，都会一致地将其相加。
scipy.stats¶
stats.ks_2samp 用于在输入不是实数或包含NAN时返回无意义的值。它现在为这类输入提出了一个例外。
的几种不推荐使用的方法 scipy.stats 已删除分发： est_loc_scale ， vecfunc ， veccdf 和 vec_generic_moment 。
不推荐使用的函数 nanmean ， nanstd 和 nanmedian 已从 scipy.stats 。这些函数在Scipy 0.15.0中已弃用，取而代之的是它们的 numpy 等价物。
一只虫子在 rvs() 中的分布方法 scipy.stats 已经修好了。当参数为 rvs() 在许多情况下，返回的随机样本不是随机的。这个问题的一个简单例子是 stats.norm.rvs(loc=np.zeros(10)) 。由于该错误，该调用将返回10个相同的值。该漏洞只影响依赖形状、位置和比例参数广播的代码。
这个 rvs() 方法还接受了一些它不应该有的参数。在以下情况下可能会出现向后不兼容的情况 rvs() 被接受的论点，事实上，与广播不兼容。一个例子是
stats.gamma.rvs( [2、5、10、15] ，大小=(2，2))
第一个参数的形状与请求的大小不兼容，但该函数仍返回形状为(2，2)的数组。在Scipy 0.18中，调用程序生成一个 ValueError 。
scipy.io¶
scipy.io.netcdf 掩码现在优先于 _FillValue 属性覆盖在 missing_value 属性，如果两者都给定的话。此外，只有当数据与以下属性之一完全匹配时，数据才会被视为丢失：取整不同于以下属性的值 _FillValue 或 missing_value 不再被视为缺少值。
scipy.interpolate¶
scipy.interpolate.PiecewisePolynomial 类已删除。它在Scipy 0.14.0中已被弃用，并且 scipy.interpolate.BPoly.from_derivatives 起到了临时替代的作用。
其他变化¶
Scipy现在使用 setuptools 因为它的体型，而不是普通的迪斯图尔特(Distutil)。这修复了 install_requires='scipy' 在 setup.py 依赖于Scipy的项目文件(详见Numpy问题gh-6551)。不过，它可能会影响Scipy本身的构建/安装方法的行为方式。请报告Scipy问题跟踪器上的任何意外行为。
PR #6240 更改了对 maxfun 选项输入 L-BFGS-B 中的基于例程的 scipy.optimize 模块。一个 L-BFGS-B 搜索由多个迭代组成，每个迭代由一个或多个函数求值组成。而旧的搜索策略在到达 maxfun 函数求值时，新策略允许当前迭代完成，尽管 maxfun 。
Qhull的捆绑副本在 scipy.spatial 子包已升级到版本2015.2。
ARPACK的捆绑副本位于 scipy.sparse.linalg 子包已升级到arpack-ng 3.3.0。
中的SuperLU捆绑副本 scipy.sparse 子包已升级到版本5.1.1。