SciPy 0.19.0 发布说明#
SciPy 0.19.0 是7个月辛勤工作的结晶。它包含了许多新功能、大量的错误修复、改进的测试覆盖率和更好的文档。在此版本中，有一些弃用和API变更，如下所述。鼓励所有用户升级到此版本，因为有许多错误修复和优化。此外，我们的开发重点现在将转移到0.19.x分支的错误修复版本，以及在主分支上添加新功能。
此版本需要 Python 2.7 或 3.4-3.6 以及 NumPy 1.8.2 或更高版本。
此版本的重点包括：
一个统一的外部函数接口层，
scipy.LowLevelCallable。通过 cimport scipy.special.cython_special，为
scipy.special模块中的通用函数的标量、类型化版本提供的 Cython API。
新功能#
外部函数接口改进#
scipy.LowLevelCallable 提供了一个新的统一接口，用于在 Python 空间中包装低级编译的回调函数。它支持 Cython 导入的 “api” 函数、ctypes 函数指针、CFFI 函数指针、PyCapsules、Numba jitted 函数等。详情请参阅 gh-6509。
scipy.linalg 改进#
函数 scipy.linalg.solve 获得了两个新的关键字 assume_a 和 transposed。底层的 LAPACK 例程被替换为“专家”版本，现在也可以用于求解对称、厄米特和正定系数矩阵。此外，病态矩阵现在会发出警告，并附带估计的条件数信息。旧的 sym_pos 关键字由于向后兼容性原因被保留，但它与使用 assume_a='pos' 是相同的。此外，debug 关键字，它没有功能，只是打印 overwrite_<a, b> 的值，已被弃用。
函数 scipy.linalg.matrix_balance 被添加用于使用 LAPACK xGEBAL 例程族执行所谓的矩阵平衡。这可以通过对角相似变换来近似等化行和列的范数。
函数 scipy.linalg.solve_continuous_are 和 scipy.linalg.solve_discrete_are 具有数值上更稳定的算法。这些函数还可以求解广义代数矩阵Riccati方程。此外，两者都增加了一个 balanced 关键字来开启或关闭平衡功能。
scipy.spatial 改进#
scipy.spatial.SphericalVoronoi.sort_vertices_of_regions 已经用 Cython 重写以提高性能。
scipy.spatial.SphericalVoronoi 可以处理超过 200k 个点（至少 1000 万个），并且性能有所提升。
函数 scipy.spatial.distance.directed_hausdorff 被添加用于计算有向Hausdorff距离。
scipy.spatial.cKDTree 的 count_neighbors 方法通过新的关键字 weights 和 cumulative 获得了执行加权配对计数的能力。详情请参见 gh-5647。
scipy.spatial.distance.pdist 和 scipy.spatial.distance.cdist 现在支持非双精度的自定义度量。
scipy.ndimage 改进#
回调函数 C API 支持 Python 2.7 中的 PyCapsules。
多维过滤器现在允许为不同的轴设置不同的外推模式。
scipy.optimize 改进#
scipy.optimize.basinhopping 全局最小化器获得了一个新的关键字 seed，可以用来为随机数生成器设定种子，从而获得可重复的最小化结果。
在 scipy.optimize.curve_fit 中的关键字 sigma 被重载，以接受数据中误差的协方差矩阵。
scipy.signal 改进#
函数 scipy.signal.correlate 和 scipy.signal.convolve 有一个新的可选参数 method。auto 的默认值会估计两种计算方法中最快的一种，即直接法和傅里叶变换法。
新增了一个选择卷积/相关方法的函数，scipy.signal.choose_conv_method，如果在许多相同大小的数组上执行卷积或相关操作，这可能是合适的。
新增了计算输入信号的复杂短时傅里叶变换及其逆变换以恢复原始信号的功能：scipy.signal.stft 和 scipy.signal.istft。此实现还修复了之前在请求复数输出数据时 scipy.signal.spectrogram 输出不正确的问题。
函数 scipy.signal.sosfreqz 被添加用于从二阶节计算频率响应。
函数 scipy.signal.unit_impulse 被添加进来，以便方便地生成脉冲函数。
函数 scipy.signal.iirnotch 被添加用于设计二阶 IIR 陷波滤波器，可用于从信号中去除某个频率分量。其对偶函数 scipy.signal.iirpeak 被添加用于计算二阶 IIR 峰值（谐振）滤波器的系数。
函数 scipy.signal.minimum_phase 被添加用于将线性相位FIR滤波器转换为最小相位。
函数 scipy.signal.upfirdn 和 scipy.signal.resample_poly 在处理某些 n 维数组（n > 1）时，现在显著加快了速度。在沿要过滤的轴的数组大小较小（约 <1k 样本）的情况下，计算时间的最大减少得以实现。
scipy.fftpack 改进#
快速傅里叶变换例程现在接受 np.float16 输入，并将它们向上转换为 np.float32。以前，它们会引发错误。
scipy.cluster 改进#
scipy.cluster.hierarchy.linkage 的 "centroid" 和 "median" 方法已显著提速。长期存在的在大输入数据（超过 16 GB）上使用 linkage 的问题已得到解决。
scipy.sparse 改进#
添加了函数 scipy.sparse.save_npz 和 scipy.sparse.load_npz，为某些稀疏格式提供了简单的序列化功能。
类 bsr_matrix、csc_matrix 和 csr_matrix 的 prune 方法已更新，在某些条件下重新分配后备数组，从而减少内存使用。
方法 argmin 和 argmax 已添加到类 coo_matrix、csc_matrix、csr_matrix 和 bsr_matrix 中。
新函数 scipy.sparse.csgraph.structural_rank 计算具有给定稀疏模式的图的结构秩。
新函数 scipy.sparse.linalg.spsolve_triangular 用于求解具有三角形左侧矩阵的稀疏线性系统。
scipy.special 改进#
标量、类型化的通用函数版本可以从 scipy.special 通过 cimport 从新模块 scipy.special.cython_special 中在 Cython 空间中获得。这些标量函数预计在标量参数下会比通用函数快得多。详情请参阅 scipy.special 教程。
通过 scipy.special.geterr 和 scipy.special.seterr 函数以及上下文管理器 scipy.special.errstate，可以更好地控制特殊函数错误。
正交多项式根函数的名称已更改为与其他相关正交多项式函数一致。例如，scipy.special.j_roots 已重命名为 scipy.special.roots_jacobi，以便与相关函数 scipy.special.jacobi 和 scipy.special.eval_jacobi 保持一致。为了保持向后兼容性，旧名称已作为别名保留。
Wright Omega 函数作为 scipy.special.wrightomega 实现。
scipy.stats 改进#
函数 scipy.stats.weightedtau 已添加。它提供了 Kendall’s tau 的加权版本。
新类 scipy.stats.multinomial 实现了多项分布。
新类 scipy.stats.rv_histogram 从分箱数据样本中构造一个具有分段线性CDF的连续单变量分布。
新类 scipy.stats.argus 实现了 Argus 分布。
scipy.interpolate 改进#
新类 scipy.interpolate.BSpline 表示样条曲线。BSpline 对象包含节点和系数，并且可以计算样条曲线。格式与 FITPACK 一致，因此可以执行例如:
>>> t, c, k = splrep(x, y, s=0)
>>> spl = BSpline(t, c, k)
>>> np.allclose(spl(x), y)
spl* 函数，scipy.interpolate.splev、scipy.interpolate.splint、scipy.interpolate.splder 和 scipy.interpolate.splantider，为了向后兼容，同时接受 BSpline 对象和 (t, c, k) 元组。
对于多维样条，c.ndim > 1，BSpline 对象与分段多项式 scipy.interpolate.PPoly 一致。这意味着 BSpline 对象与 scipy.interpolate.splprep 并不直接一致，因此不能执行 >>> BSpline(*splprep([x, y])[0])。请参考 scipy.interpolate 测试套件中的精确等价示例。
在新代码中，建议使用 scipy.interpolate.BSpline 对象，而不是直接操作 (t, c, k) 元组。
新函数 scipy.interpolate.make_interp_spline 根据给定的数据点和边界条件构造一个插值样条。
新函数 scipy.interpolate.make_lsq_spline 构造了一个给定数据点的最小二乘样条近似。
scipy.integrate 改进#
现在 scipy.integrate.fixed_quad 支持向量值函数。
已弃用的功能#
scipy.interpolate.splmake, scipy.interpolate.spleval 和 scipy.interpolate.spline 已被弃用。splmake/spleval 使用的格式与 splrep/splev 不一致，这给用户带来了困惑。
scipy.special.errprint 已被弃用。改进的功能可在 scipy.special.seterr 中获得。
调用 scipy.spatial.distance.pdist 或 scipy.spatial.distance.cdist 时，如果传递了所选度量不需要的参数，则已弃用。此外，度量 “old_cosine” 和 “old_cos” 也已弃用。
向后不兼容的更改#
已弃用的 scipy.weave 子模块已被移除。
scipy.spatial.distance.squareform 现在返回与输入相同数据类型的数组，而不是总是返回 float64。
scipy.special.errprint 现在返回一个布尔值。
函数 scipy.signal.find_peaks_cwt 现在返回一个数组而不是列表。
scipy.stats.kendalltau 现在在输入包含平局的情况下计算正确的 p 值。p 值也与 scipy.stats.mstats.kendalltau 和 R 计算的 p 值相同。如果输入不包含平局，则相对于之前的实现没有变化。
函数 scipy.linalg.block_diag 将不再忽略零大小的矩阵。相反，它将插入适当大小的零行或零列。更多详情请参见 gh-4908。
其他更改#
SciPy 的 wheel 现在将在所有平台上报告它们对 numpy 的依赖。这一改变是因为 Numpy 的 wheel 已经可用，并且因为 pip 的升级行为终于有所改善（对于 pip >= 8.2，使用 --upgrade-strategy=only-if-needed；该行为将成为 pip 下一个主要版本的默认行为）。
使用 scipy.interpolate.interp1d 时，若 kind="cubic" 或 "quadratic"，返回的数值可能与之前的 scipy 版本有所不同。如果你的代码依赖于特定的数值（即插值器的实现细节），建议你再次检查结果。