SciPy 0.11.0 發行說明#
SciPy 0.11.0 是 8 個月辛勤工作的成果。它包含許多新功能、大量的錯誤修復、改進的測試覆蓋率和更好的文件。此版本的重點是
新增了一個新模組，提供許多常見的稀疏圖演算法。
為現有的最佳化和尋根函數新增了新的統一介面。
建議所有使用者升級到此版本，因為其中有大量的錯誤修復和最佳化。我們的開發注意力現在將轉移到 0.11.x 分支上的錯誤修復版本，以及在 master 分支上新增新功能。
此版本需要 Python 2.4-2.7 或 3.1-3.2 以及 NumPy 1.5.1 或更高版本。
新功能#
稀疏圖子模組#
新的子模組 scipy.sparse.csgraph 實作了許多有效率的圖演算法，用於儲存為稀疏鄰接矩陣的圖。可用的常式有
connected_components- 判斷圖的連通元件
laplacian- 計算圖的拉普拉斯算符
shortest_path- 計算正圖上點之間的最短路徑
dijkstra- 使用 Dijkstra 演算法計算最短路徑
floyd_warshall- 使用 Floyd-Warshall 演算法計算最短路徑
breadth_first_order- 計算節點的廣度優先順序
depth_first_order- 計算節點的深度優先順序
breadth_first_tree- 從給定節點建構廣度優先樹
depth_first_tree- 從給定節點建構深度優先樹
minimum_spanning_tree- 建構圖的最小生成樹
scipy.optimize 改進#
最佳化模組在此版本中受到了很多關注。除了新增的測試、文件改進、錯誤修復和程式碼清理之外，還進行了以下改進
新增了多變數和單變數函數最小化器的統一介面。
新增了多變數函數尋根演算法的統一介面。
L-BFGS-B 演算法已更新至 3.0 版。
統一的最小化器介面#
新增了兩個新函數 scipy.optimize.minimize 和 scipy.optimize.minimize_scalar，分別為多變數和單變數函數的最小化器提供通用介面。對於多變數函數，scipy.optimize.minimize 為無約束最佳化方法 (fmin、fmin_powell、fmin_cg、fmin_ncg、fmin_bfgs 和 anneal) 或約束最佳化方法 (fmin_l_bfgs_b、fmin_tnc、fmin_cobyla 和 fmin_slsqp) 提供介面。對於單變數函數，scipy.optimize.minimize_scalar 為無約束和有界最佳化方法 (brent、golden、fminbound) 提供介面。這使得更容易比較和切換求解器。
統一的尋根演算法介面#
新函數 scipy.optimize.root 為多變數函數的尋根演算法提供通用介面，嵌入了 fsolve、leastsq 和 nonlin 求解器。
scipy.linalg 改進#
新的矩陣方程式求解器#
Sylvester 方程式 (scipy.linalg.solve_sylvester)、離散和連續 Lyapunov 方程式 (scipy.linalg.solve_lyapunov、scipy.linalg.solve_discrete_lyapunov) 以及離散和連續代數 Riccati 方程式 (scipy.linalg.solve_continuous_are、scipy.linalg.solve_discrete_are) 的求解器已新增至 scipy.linalg。這些求解器通常用於線性控制理論領域。
QZ 和 QR 分解#
現在可以使用 scipy.linalg.qz 計算 QZ 或廣義 Schur 分解。此函數包裝了 LAPACK 常式 sgges、dgges、cgges 和 zgges。
新增了函數 scipy.linalg.qr_multiply，可有效計算 Q (來自 QR 分解) 和向量的矩陣乘積。
帕斯卡矩陣#
新增了一個用於建立帕斯卡矩陣的函數 scipy.linalg.pascal。
稀疏矩陣建構和運算#
新增了兩個新函數 scipy.sparse.diags 和 scipy.sparse.block_diag，分別用於輕鬆建構對角線和區塊對角線稀疏矩陣。
scipy.sparse.csc_matrix 和 csr_matrix 現在支援運算 sin、tan、arcsin、arctan、sinh、tanh、arcsinh、arctanh、rint、sign、expm1、log1p、deg2rad、rad2deg、floor、ceil 和 trunc。先前，這些運算必須透過對矩陣的 data 屬性進行運算來執行。
LSMR 迭代求解器#
LSMR，一種用於求解 (稀疏) 線性和線性最小平方系統的迭代方法，已新增為 scipy.sparse.linalg.lsmr。
離散正弦變換#
離散正弦變換函數的綁定已新增至 scipy.fftpack。
scipy.interpolate 改進#
對於球座標中的內插，已新增三個類別 scipy.interpolate.SmoothSphereBivariateSpline、scipy.interpolate.LSQSphereBivariateSpline 和 scipy.interpolate.RectSphereBivariateSpline。
分箱統計 (scipy.stats)#
stats 模組已獲得執行分箱統計的函數，這是直方圖在 1-D、2-D 和多個維度中的推廣：scipy.stats.binned_statistic、scipy.stats.binned_statistic_2d 和 scipy.stats.binned_statistic_dd。
已棄用的功能#
scipy.sparse.cs_graph_components 已成為稀疏圖子模組的一部分，並重新命名為 scipy.sparse.csgraph.connected_components。呼叫先前的常式將導致棄用警告。
scipy.misc.radon 已被棄用。在 scikits-image 中可以找到功能更完整的 radon 轉換。
scipy.io.save_as_module 已被棄用。儲存多個 Numpy 陣列的更好方法是 numpy.savez 函數。
scipy.stats.distributions 中所有分佈的 xa 和 xb 參數已經未使用；它們現在已被棄用。
向後不相容的變更#
移除 scipy.maxentropy#
在 0.10.0 版本中已棄用的 scipy.maxentropy 模組已被移除。scikits.learn 中的邏輯迴歸是此功能的良好且現代的替代方案。
splev 行為的微小變更#
對於大小為 1 的陣列，spline 評估函數現在的行為與 interp1d 類似。先前的行為
>>> from scipy.interpolate import splev, splrep, interp1d
>>> x = [1,2,3,4,5]
>>> y = [4,5,6,7,8]
>>> tck = splrep(x, y)
>>> splev([1], tck)
4.
>>> splev(1, tck)
4.
修正後的行為
>>> splev([1], tck)
array([ 4.])
>>> splev(1, tck)
array(4.)
這也影響了 UnivariateSpline 類別。
scipy.integrate.complex_ode 的行為#
complex_ode 的 y 屬性的行為已變更。先前，它以以下形式表示複數值解
z = ode.y[::2] + 1j * ode.y[1::2]
現在，它直接是複數值解
z = ode.y
T 檢定行為的微小變更#
T 檢定 scipy.stats.ttest_ind、scipy.stats.ttest_rel 和 scipy.stats.ttest_1samp 已變更，因此 0 / 0 現在傳回 NaN 而不是 1。
其他變更#
scipy.sparse.linalg 中的 SuperLU 原始碼已從上游更新至 4.3 版。
已新增函數 scipy.signal.bode，用於計算連續時間系統的幅度和相位資料。
雙樣本 T 檢定 scipy.stats.ttest_ind 獲得了一個選項，可以比較具有不等變異數的樣本，即 Welch's T 檢定。
scipy.misc.logsumexp 現在採用可選的 axis 關鍵字引數。