SciPy 1.3.2 维护版本全解析Python 3.8 支持与 14 项关键 Bug 修复【免费下载链接】scipySciPy library main repository项目地址: https://gitcode.com/gh_mirrors/sc/scipySciPy 1.3.2 是 1.3.x 系列的一个重要 bug-fix 与维护版本其核心使命是为当时新发布的 Python 3.8 提供正式支持并集中修复了信号处理、优化、稀疏矩阵、统计等多个子模块中报告的十余个缺陷。阅读本文后你将全面了解该版本修复的每一个具体问题、对应的底层根因、以及这些修复在 SciPy 源码中的落点能够据此评估升级收益、规避同类陷阱并为排查相关问题提供直接线索。本文内容以官方发布说明 doc/source/release/1.3.2-notes.rst 为主体骨架结合当前仓库源码与测试用例进行深度印证与扩充。一、版本定位Bug-fix 与维护更新根据官方发布说明SciPy 1.3.2 的定位非常明确SciPy 1.3.2 is a bug-fix and maintenance release that adds support for Python 3.8.即这是一个纯缺陷修复与维护型版本不带入任何新功能唯一的新能力是对 Python 3.8 的正式支持。对于仍停留在 1.3.x 分支的存量用户而言该版本相当于一个安全补丁包 新 Python 版本适配包升级风险极低收益明确。从维护内容看该版本横跨了以下子模块与工程维度维度涉及模块 / 工程典型问题数值计算正确性scipy.stats、scipy.sparse、scipy.linalg非中心 F 分布方差公式错误、Floyd-Warshall 丢失零权边、复数子空间角求解器行为scipy.optimizeNaN 最小值仍报告 success、root_scalar与lru_cache不兼容输入类型兼容scipy.sparse.linalg、scipy.sparseexpm拒绝np.matrix、CSR 矩阵花式索引赋值构建与 CIpyproject.toml、Travis CI、SuperLUPython 3.8 适配、macOS 构建失败二、scipy.signalunique_roots 根分组修复2.1 问题背景Issue #4915scipy.signal.unique_roots是一个从根列表中确定唯一根及其重数的实用函数在部分分式展开residue/invres等场景中承担着关键角色。Issue #4915 报告了该函数在特定根组合下的分组错误当多个根相互靠近距离小于容差tol时函数的输出与预期不符。2.2 源码落点与修复方式PR #10961修复后的实现位于 scipy/signal/_signaltools.py。其核心算法在修复后稳定采用基于cKDTree的贪心分组策略将复数根p拆分为实部与虚部构造二维点集使用cKDTree构建空间索引对每个尚未使用的根调用tree.query_ball_point(points[i], tol)找出其容差范围内的邻域根集合按rtype指定的归约规则max/min/avg合并该组根并统计重数。实现中有两点值得注意的设计细节分组不具传递性文档中明确说明若a与b接近、b与c接近不代表a与c接近因此分组结果依赖输入顺序采用按输入顺序贪心分组复数比较规则当rtype为max/min时复数根先按实部比较、再按虚部比较。unique_roots的完整签名及参数含义如下unique_roots(p, tol1e-3, rtypemin)参数默认值含义p必填根列表array_liketol1e-3判定两个根相等的距离容差rtypemin组内代表根的选取方式max/maximum取最大、min/minimum取最小、avg/mean取平均官方文档中的典型用法 from scipy import signal vals [0, 1.3, 1.31, 2.8, 1.25, 2.2, 10.3] uniq, mult signal.unique_roots(vals, tol2e-2, rtypeavg) uniq[mult 1] array([1.305])三、scipy.optimize三个关键行为修复3.1 NaN 最小值不再误报成功Issue #5161PR #10756Issue #5161 报告了一个隐蔽且危险的缺陷当目标函数的最小值本身是 NaN 时部分优化器仍然返回successTrue导致用户在完全无效的数值上继续下游计算。PR #10756 修复了该问题核心改动是确保求解器在目标函数值为 NaN 时以successFalse退出避免对 NaN 结果做出成功的误判。该修复直接关乎 scipy/optimize 下众多求解器的终止条件判断逻辑。在数值优化实践中这一改动具有重要意义它把算法达到收敛条件与计算结果数值有效两个维度区分开来NaN 结果一律不得被视为优化成功。3.2 root_scalar 与 functools.lru_cache 的兼容性Issue #10846PR #10891Issue #10846 报告当用户向root_scalar传入一个被functools.lru_cache装饰的目标函数时求解会失败。根因在于 C 层实现的标量求根器在每次调用f时复用同一个args元组对象而有状态的lru_cache装饰器会持有对该元组的引用导致缓存键混乱。修复落点位于 scipy/optimize/_zerosmodule.c。修复后C 层代码在每次调用目标函数前都会重新构造一个全新的args元组将当前迭代点x作为第一个参数、其余参数依次复制源码注释明确写道Need to create a new args tuple on each call in case f is stateful and keeps references to it (e.g. functools.lru_cache)这一改动对brentq、brenth、ridder、bisect、toms748等所有 C 实现的标量求根器均生效。对应的回归测试位于 scipy/optimize/tests/test_zeros.pylru_cache def f_lrucached(x): return x pytest.mark.parametrize(method, bracket_methods) def test_lru_cached_individual(self, method): # check that https://github.com/scipy/scipy/issues/10846 is fixed a, b -1, 1 root, r method(f_lrucached, a, b, full_outputTrue) assert r.converged assert_allclose(root, 0)实战启示在使用lru_cache对目标函数做记忆化加速时SciPy 的 C 层求根器从 1.3.2 起可以安全配合使用。3.3 linprog revised simplex 文档测试修复Issue #10124PR #10498Issue #10124 指出linprog(methodrevised simplex)的 doctest 存在缺陷——当用户以disp: True方式开启显示输出时修订单纯形法的行为与文档示例不一致。PR #10498TST: optimize: fixed linprog disp: True bug修复了该问题属于测试与文档一致性的修正相关实现位于 scipy/optimize/_linprog.py 及其修订单纯形法模块 scipy/optimize/_linprog_simplex.py。四、scipy.sparse 与稀疏线性代数四项底层修复4.1 expm 支持 np.matrix 输入Issue #5546PR #10906Issue #5546 报告scipy.sparse.linalg.expm在接收np.matrix类型输入时抛出ValueError。修复BUG: sparse/linalg: fix expm for np.matrix inputs位于 scipy/sparse/linalg/_matfuncs.py。expm采用 Al-Mohy 与 Higham2009的 Scaling and Squaring 算法算法 6.1即 5.1 的简化版此前对np.matrix的维度/类型校验过于严格。修复后该函数可正确接受np.matrix、密集数组与稀疏数组等多种 2D 输入from scipy.sparse import csc_array from scipy.sparse.linalg import expm A csc_array([[1, 0, 0], [0, 2, 0], [0, 0, 3]]) Aexp expm(A) # 返回 CSC 稀疏数组4.2 CSR 矩阵花式索引赋值修复Issue #10695PR #10700Issue #10695 报告了csr_matrix在使用花式索引fancy indexing赋值时出现的错误。修复BUG: sparse: Loosen checks on sparse fancy assignment适当放宽了对稀疏数组赋值的检查逻辑相关实现位于 scipy/sparse/_csr.py 与底层索引机制 scipy/sparse/_index.py。4.3 Floyd-Warshall 支持零权边Issue #10609PR #10709Issue #10609 揭示了一个影响图算法正确性的缺陷scipy.sparse.csgraph中基于 Floyd-Warshall 的最短路算法会把显式的零权边错误地当作无边处理并丢弃导致最短路结果失真。修复BUG: Fix floyd_warshall to support zero-weight edges位于 scipy/sparse/csgraph/_shortest_path.pyx。该模块中的shortest_path与floyd_warshall是图论计算的底层支撑零权边如免费通行的路径在建模中非常常见此修复保证了权重为零的边与无连接稀疏矩阵中的缺失项被严格区分。4.4 ARPACK 复数 Hermitian 求解修复PR #10882PR #10882BUG: sparse/arpack: fix incorrect code for complex hermitian...修复了 ARPACK 特征值求解器在复数 Hermitian 问题上的不正确代码路径。这属于稀疏特征值计算 scipy/sparse/linalg/_eigen 相关实现中的底层修正直接影响eigsh对复数 Hermitian 矩阵的求解正确性。五、scipy.stats非中心 F 分布方差公式修正5.1 问题背景Issue #10658PR #10671Issue #10658 报告非中心 F 分布noncentral F distribution的方差公式存在错误。作为参数估计、假设检验等统计推断的基础方差公式错误会直接污染置信区间与检验统计量的计算。修复BUG: stats: Fix the formula for the variance of the noncentral F distribution更新了 scipy/stats/_continuous_distns.py 中ncf_gen分布的方差计算实现。5.2 回归测试佐证当前仓库中保留了针对该修复的回归测试 scipy/stats/tests/test_distributions.pydef test_ncf_variance(): # Regression test for gh-10658 (incorrect variance formula for ncf). # The correct value of ncf.var(2, 6, 4), 42.75, can be verified with, # for example, Wolfram Alpha with the expression # Variance[NoncentralFRatioDistribution[2, 6, 4]] # or with the implementation of the noncentral F distribution in the C # library Boost. v stats.ncf.var(2, 6, 4) assert_allclose(v, 42.75, rtol1e-14)测试表明修复后ncf.var(2, 6, 4)的精确期望值为42.75与 Wolfram Alpha、Boost C 库实现交叉验证。这是 1.3.2 中为数不多的数值结果可精确断言的修复充分体现了数值正确性修复的严谨性。5.3 文档拼写修正Issue #10976PR #10977PR #10977DOC: Fix typo in sp.stats.wilcoxon docstring修正了scipy.stats.wilcoxon文档字符串中的拼写错误。尽管是小修但体现了该版本对 API 文档质量的维护。六、scipy.linalgsubspace_angles 支持复数输入PR #10833BUG: Fix subspace_angles for complex values修复了scipy.linalg.subspace_angles在复数矩阵输入下的计算错误。该函数用于计算两个矩阵列空间之间的主夹角实现在 scipy/linalg/_decomp_svd.py基于 SVD 分解计算返回形状为(min(N, K),)的降序夹角数组def subspace_angles(A, B): Compute the subspace angles between two matrices. ... angles : ndarray, shape (min(N, K),) The subspace angles between the column spaces of A and B in descending order. 复数版本的修复对量子计算、信号子空间分析等依赖复数子空间度量的领域尤为关键。七、Python 3.8 支持与构建维护1.3.2 版本的另一条主线是 Python 3.8 适配涉及从 CI 到构建配置的一揽子改动PR类型内容#10536CI在 Travis 中增加3.8-dev构建#10930MAINTPython 3.8 相关维护性更新#10938MAINT在 pyproject.toml 中登记 Python 3.8#10943BLD将 Cython 版本升级至0.29.13首个官方支持 Python 3.8 的 Cython 版本线#10971CI在 CI 中改用 3.8 稳定版同时修复了两个平台相关构建问题Issue #10902 / PR #10917Travis 上的 macOSosx构建失败通过 CI 配置修正解决Issue #10967macOS 上SuperLU的构建失败发生于 maintenance/1.3.x 分支属于平台相关的底层库编译问题。此外 PR #11025 对 scipy/signal/_peak_finding.py 进行了更新完善了峰值查找相关代码。八、完整修复清单Issues 与 Pull Requests8.1 本版本关闭的 IssuesIssue主题#4915scipy.signal.unique_roots的根分组 Bug#5161优化器在最小值为 NaN 时错误报告成功#5546scipy.sparse.linalg.expm收到np.matrix输入时抛出ValueError#10124linprog(methodrevised simplex)doctest Bug#10609Floyd-Warshall 最短路会丢弃显式零权边#10658非中心 F 分布方差公式错误#10695csr_matrix花式索引赋值问题#10846root_scalar处理functools.lru_cache装饰函数时失败#10902Travis osx 构建失败#10967macOS 上 SuperLU 构建失败maintenance/1.3.x#10976sp.stats.wilcoxon文档字符串拼写错误8.2 本版本合入的 Pull RequestsPR类型内容#10498TST修复linprog的disp: TrueBug#10536CITravis 增加 3.8-dev#10671BUG修复非中心 F 分布方差公式#10693BUGScalarFunction保存原始数组#10700BUG放宽稀疏花式赋值的检查#10709BUG修复floyd_warshall对零权边的支持#10756BUG确保求解器对 NaN 结果以successFalse退出#10833BUG修复复数输入的subspace_angles#10882BUG修复 ARPACK 复数 Hermitian 代码#10891BUG让 C 实现的求根器兼容functools.lru_cache#10906BUG修复expm对np.matrix输入的处理#10917CI修复 Travis osx CI#10930MAINTPython 3.8 适配更新#10938MAINT在pyproject.toml中添加 Python 3.8#10943BLD升级 Cython 至 0.29.13#10961BUG修复signal.unique_roots#10971CICI 改用 3.8 稳定版#10977DOC修复sp.stats.wilcoxon文档字符串拼写#11025DOC更新_peak_finding.py九、版本贡献者与升级建议9.1 贡献者名单本版本共有14 位贡献者参与名单由工具自动生成可能不完全CJ Carey、Dany Vohl、Martin Gauch、Ralf Gommers、Matt Haberland、Eric Larson、Nikolay Mayorov、Sam McCormack、Andrew Nelson、Tyler Reddy、Pauli Virtanen、Huize Wang、Warren Weckesser、Joseph Weston。其中带标记的 4 位Martin Gauch、Sam McCormack、Huize Wang、Joseph Weston是首次贡献补丁的新贡献者。9.2 升级建议综合本版本内容以下几点值得关注Python 3.8 用户应尽快升级1.3.2 是 1.3.x 系列中首个正式支持 Python 3.8 的版本配套的 Cython 0.29.13 也完成了适配依赖数值正确性的场景优先升级非中心 F 分布方差公式修正涉及假设检验与置信区间、Floyd-Warshall 零权边支持涉及图算法、复数subspace_angles涉及子空间分析都属于静默性数值错误在旧版本上不会报错但结果有误应优先升级并回归验证求解器可靠性提升NaN 不再误报 success、root_scalar支持lru_cache装饰函数使优化代码在极端输入下更安全、更易集成记忆化加速。从仓库结构看本版本的修复痕迹完整保留在 scipy/signal/_signaltools.py、scipy/sparse/csgraph/_shortest_path.pyx、scipy/sparse/linalg/_matfuncs.py、scipy/optimize/_zerosmodule.c、scipy/stats/_continuous_distns.py 等文件中对应回归测试则分布于 scipy/optimize/tests/test_zeros.py 与 scipy/stats/tests/test_distributions.py 等测试套件中可作为验证升级正确性的参考锚点。【免费下载链接】scipySciPy library main repository项目地址: https://gitcode.com/gh_mirrors/sc/scipy创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 SciPy 1.3.2 维护版本全解析：Python 3.8 支持与 14 项关键 Bug 修复
SciPy 1.3.2 维护版本全解析Python 3.8 支持与 14 项关键 Bug 修复【免费下载链接】scipySciPy library main repository项目地址: https://gitcode.com/gh_mirrors/sc/scipySciPy 1.3.2 是 1.3.x 系列的一个重要 bug-fix 与维护版本其核心使命是为当时新发布的 Python 3.8 提供正式支持并集中修复了信号处理、优化、稀疏矩阵、统计等多个子模块中报告的十余个缺陷。阅读本文后你将全面了解该版本修复的每一个具体问题、对应的底层根因、以及这些修复在 SciPy 源码中的落点能够据此评估升级收益、规避同类陷阱并为排查相关问题提供直接线索。本文内容以官方发布说明 doc/source/release/1.3.2-notes.rst 为主体骨架结合当前仓库源码与测试用例进行深度印证与扩充。一、版本定位Bug-fix 与维护更新根据官方发布说明SciPy 1.3.2 的定位非常明确SciPy 1.3.2 is a bug-fix and maintenance release that adds support for Python 3.8.即这是一个纯缺陷修复与维护型版本不带入任何新功能唯一的新能力是对 Python 3.8 的正式支持。对于仍停留在 1.3.x 分支的存量用户而言该版本相当于一个安全补丁包 新 Python 版本适配包升级风险极低收益明确。从维护内容看该版本横跨了以下子模块与工程维度维度涉及模块 / 工程典型问题数值计算正确性scipy.stats、scipy.sparse、scipy.linalg非中心 F 分布方差公式错误、Floyd-Warshall 丢失零权边、复数子空间角求解器行为scipy.optimizeNaN 最小值仍报告 success、root_scalar与lru_cache不兼容输入类型兼容scipy.sparse.linalg、scipy.sparseexpm拒绝np.matrix、CSR 矩阵花式索引赋值构建与 CIpyproject.toml、Travis CI、SuperLUPython 3.8 适配、macOS 构建失败二、scipy.signalunique_roots 根分组修复2.1 问题背景Issue #4915scipy.signal.unique_roots是一个从根列表中确定唯一根及其重数的实用函数在部分分式展开residue/invres等场景中承担着关键角色。Issue #4915 报告了该函数在特定根组合下的分组错误当多个根相互靠近距离小于容差tol时函数的输出与预期不符。2.2 源码落点与修复方式PR #10961修复后的实现位于 scipy/signal/_signaltools.py。其核心算法在修复后稳定采用基于cKDTree的贪心分组策略将复数根p拆分为实部与虚部构造二维点集使用cKDTree构建空间索引对每个尚未使用的根调用tree.query_ball_point(points[i], tol)找出其容差范围内的邻域根集合按rtype指定的归约规则max/min/avg合并该组根并统计重数。实现中有两点值得注意的设计细节分组不具传递性文档中明确说明若a与b接近、b与c接近不代表a与c接近因此分组结果依赖输入顺序采用按输入顺序贪心分组复数比较规则当rtype为max/min时复数根先按实部比较、再按虚部比较。unique_roots的完整签名及参数含义如下unique_roots(p, tol1e-3, rtypemin)参数默认值含义p必填根列表array_liketol1e-3判定两个根相等的距离容差rtypemin组内代表根的选取方式max/maximum取最大、min/minimum取最小、avg/mean取平均官方文档中的典型用法 from scipy import signal vals [0, 1.3, 1.31, 2.8, 1.25, 2.2, 10.3] uniq, mult signal.unique_roots(vals, tol2e-2, rtypeavg) uniq[mult 1] array([1.305])三、scipy.optimize三个关键行为修复3.1 NaN 最小值不再误报成功Issue #5161PR #10756Issue #5161 报告了一个隐蔽且危险的缺陷当目标函数的最小值本身是 NaN 时部分优化器仍然返回successTrue导致用户在完全无效的数值上继续下游计算。PR #10756 修复了该问题核心改动是确保求解器在目标函数值为 NaN 时以successFalse退出避免对 NaN 结果做出成功的误判。该修复直接关乎 scipy/optimize 下众多求解器的终止条件判断逻辑。在数值优化实践中这一改动具有重要意义它把算法达到收敛条件与计算结果数值有效两个维度区分开来NaN 结果一律不得被视为优化成功。3.2 root_scalar 与 functools.lru_cache 的兼容性Issue #10846PR #10891Issue #10846 报告当用户向root_scalar传入一个被functools.lru_cache装饰的目标函数时求解会失败。根因在于 C 层实现的标量求根器在每次调用f时复用同一个args元组对象而有状态的lru_cache装饰器会持有对该元组的引用导致缓存键混乱。修复落点位于 scipy/optimize/_zerosmodule.c。修复后C 层代码在每次调用目标函数前都会重新构造一个全新的args元组将当前迭代点x作为第一个参数、其余参数依次复制源码注释明确写道Need to create a new args tuple on each call in case f is stateful and keeps references to it (e.g. functools.lru_cache)这一改动对brentq、brenth、ridder、bisect、toms748等所有 C 实现的标量求根器均生效。对应的回归测试位于 scipy/optimize/tests/test_zeros.pylru_cache def f_lrucached(x): return x pytest.mark.parametrize(method, bracket_methods) def test_lru_cached_individual(self, method): # check that https://github.com/scipy/scipy/issues/10846 is fixed a, b -1, 1 root, r method(f_lrucached, a, b, full_outputTrue) assert r.converged assert_allclose(root, 0)实战启示在使用lru_cache对目标函数做记忆化加速时SciPy 的 C 层求根器从 1.3.2 起可以安全配合使用。3.3 linprog revised simplex 文档测试修复Issue #10124PR #10498Issue #10124 指出linprog(methodrevised simplex)的 doctest 存在缺陷——当用户以disp: True方式开启显示输出时修订单纯形法的行为与文档示例不一致。PR #10498TST: optimize: fixed linprog disp: True bug修复了该问题属于测试与文档一致性的修正相关实现位于 scipy/optimize/_linprog.py 及其修订单纯形法模块 scipy/optimize/_linprog_simplex.py。四、scipy.sparse 与稀疏线性代数四项底层修复4.1 expm 支持 np.matrix 输入Issue #5546PR #10906Issue #5546 报告scipy.sparse.linalg.expm在接收np.matrix类型输入时抛出ValueError。修复BUG: sparse/linalg: fix expm for np.matrix inputs位于 scipy/sparse/linalg/_matfuncs.py。expm采用 Al-Mohy 与 Higham2009的 Scaling and Squaring 算法算法 6.1即 5.1 的简化版此前对np.matrix的维度/类型校验过于严格。修复后该函数可正确接受np.matrix、密集数组与稀疏数组等多种 2D 输入from scipy.sparse import csc_array from scipy.sparse.linalg import expm A csc_array([[1, 0, 0], [0, 2, 0], [0, 0, 3]]) Aexp expm(A) # 返回 CSC 稀疏数组4.2 CSR 矩阵花式索引赋值修复Issue #10695PR #10700Issue #10695 报告了csr_matrix在使用花式索引fancy indexing赋值时出现的错误。修复BUG: sparse: Loosen checks on sparse fancy assignment适当放宽了对稀疏数组赋值的检查逻辑相关实现位于 scipy/sparse/_csr.py 与底层索引机制 scipy/sparse/_index.py。4.3 Floyd-Warshall 支持零权边Issue #10609PR #10709Issue #10609 揭示了一个影响图算法正确性的缺陷scipy.sparse.csgraph中基于 Floyd-Warshall 的最短路算法会把显式的零权边错误地当作无边处理并丢弃导致最短路结果失真。修复BUG: Fix floyd_warshall to support zero-weight edges位于 scipy/sparse/csgraph/_shortest_path.pyx。该模块中的shortest_path与floyd_warshall是图论计算的底层支撑零权边如免费通行的路径在建模中非常常见此修复保证了权重为零的边与无连接稀疏矩阵中的缺失项被严格区分。4.4 ARPACK 复数 Hermitian 求解修复PR #10882PR #10882BUG: sparse/arpack: fix incorrect code for complex hermitian...修复了 ARPACK 特征值求解器在复数 Hermitian 问题上的不正确代码路径。这属于稀疏特征值计算 scipy/sparse/linalg/_eigen 相关实现中的底层修正直接影响eigsh对复数 Hermitian 矩阵的求解正确性。五、scipy.stats非中心 F 分布方差公式修正5.1 问题背景Issue #10658PR #10671Issue #10658 报告非中心 F 分布noncentral F distribution的方差公式存在错误。作为参数估计、假设检验等统计推断的基础方差公式错误会直接污染置信区间与检验统计量的计算。修复BUG: stats: Fix the formula for the variance of the noncentral F distribution更新了 scipy/stats/_continuous_distns.py 中ncf_gen分布的方差计算实现。5.2 回归测试佐证当前仓库中保留了针对该修复的回归测试 scipy/stats/tests/test_distributions.pydef test_ncf_variance(): # Regression test for gh-10658 (incorrect variance formula for ncf). # The correct value of ncf.var(2, 6, 4), 42.75, can be verified with, # for example, Wolfram Alpha with the expression # Variance[NoncentralFRatioDistribution[2, 6, 4]] # or with the implementation of the noncentral F distribution in the C # library Boost. v stats.ncf.var(2, 6, 4) assert_allclose(v, 42.75, rtol1e-14)测试表明修复后ncf.var(2, 6, 4)的精确期望值为42.75与 Wolfram Alpha、Boost C 库实现交叉验证。这是 1.3.2 中为数不多的数值结果可精确断言的修复充分体现了数值正确性修复的严谨性。5.3 文档拼写修正Issue #10976PR #10977PR #10977DOC: Fix typo in sp.stats.wilcoxon docstring修正了scipy.stats.wilcoxon文档字符串中的拼写错误。尽管是小修但体现了该版本对 API 文档质量的维护。六、scipy.linalgsubspace_angles 支持复数输入PR #10833BUG: Fix subspace_angles for complex values修复了scipy.linalg.subspace_angles在复数矩阵输入下的计算错误。该函数用于计算两个矩阵列空间之间的主夹角实现在 scipy/linalg/_decomp_svd.py基于 SVD 分解计算返回形状为(min(N, K),)的降序夹角数组def subspace_angles(A, B): Compute the subspace angles between two matrices. ... angles : ndarray, shape (min(N, K),) The subspace angles between the column spaces of A and B in descending order. 复数版本的修复对量子计算、信号子空间分析等依赖复数子空间度量的领域尤为关键。七、Python 3.8 支持与构建维护1.3.2 版本的另一条主线是 Python 3.8 适配涉及从 CI 到构建配置的一揽子改动PR类型内容#10536CI在 Travis 中增加3.8-dev构建#10930MAINTPython 3.8 相关维护性更新#10938MAINT在 pyproject.toml 中登记 Python 3.8#10943BLD将 Cython 版本升级至0.29.13首个官方支持 Python 3.8 的 Cython 版本线#10971CI在 CI 中改用 3.8 稳定版同时修复了两个平台相关构建问题Issue #10902 / PR #10917Travis 上的 macOSosx构建失败通过 CI 配置修正解决Issue #10967macOS 上SuperLU的构建失败发生于 maintenance/1.3.x 分支属于平台相关的底层库编译问题。此外 PR #11025 对 scipy/signal/_peak_finding.py 进行了更新完善了峰值查找相关代码。八、完整修复清单Issues 与 Pull Requests8.1 本版本关闭的 IssuesIssue主题#4915scipy.signal.unique_roots的根分组 Bug#5161优化器在最小值为 NaN 时错误报告成功#5546scipy.sparse.linalg.expm收到np.matrix输入时抛出ValueError#10124linprog(methodrevised simplex)doctest Bug#10609Floyd-Warshall 最短路会丢弃显式零权边#10658非中心 F 分布方差公式错误#10695csr_matrix花式索引赋值问题#10846root_scalar处理functools.lru_cache装饰函数时失败#10902Travis osx 构建失败#10967macOS 上 SuperLU 构建失败maintenance/1.3.x#10976sp.stats.wilcoxon文档字符串拼写错误8.2 本版本合入的 Pull RequestsPR类型内容#10498TST修复linprog的disp: TrueBug#10536CITravis 增加 3.8-dev#10671BUG修复非中心 F 分布方差公式#10693BUGScalarFunction保存原始数组#10700BUG放宽稀疏花式赋值的检查#10709BUG修复floyd_warshall对零权边的支持#10756BUG确保求解器对 NaN 结果以successFalse退出#10833BUG修复复数输入的subspace_angles#10882BUG修复 ARPACK 复数 Hermitian 代码#10891BUG让 C 实现的求根器兼容functools.lru_cache#10906BUG修复expm对np.matrix输入的处理#10917CI修复 Travis osx CI#10930MAINTPython 3.8 适配更新#10938MAINT在pyproject.toml中添加 Python 3.8#10943BLD升级 Cython 至 0.29.13#10961BUG修复signal.unique_roots#10971CICI 改用 3.8 稳定版#10977DOC修复sp.stats.wilcoxon文档字符串拼写#11025DOC更新_peak_finding.py九、版本贡献者与升级建议9.1 贡献者名单本版本共有14 位贡献者参与名单由工具自动生成可能不完全CJ Carey、Dany Vohl、Martin Gauch、Ralf Gommers、Matt Haberland、Eric Larson、Nikolay Mayorov、Sam McCormack、Andrew Nelson、Tyler Reddy、Pauli Virtanen、Huize Wang、Warren Weckesser、Joseph Weston。其中带标记的 4 位Martin Gauch、Sam McCormack、Huize Wang、Joseph Weston是首次贡献补丁的新贡献者。9.2 升级建议综合本版本内容以下几点值得关注Python 3.8 用户应尽快升级1.3.2 是 1.3.x 系列中首个正式支持 Python 3.8 的版本配套的 Cython 0.29.13 也完成了适配依赖数值正确性的场景优先升级非中心 F 分布方差公式修正涉及假设检验与置信区间、Floyd-Warshall 零权边支持涉及图算法、复数subspace_angles涉及子空间分析都属于静默性数值错误在旧版本上不会报错但结果有误应优先升级并回归验证求解器可靠性提升NaN 不再误报 success、root_scalar支持lru_cache装饰函数使优化代码在极端输入下更安全、更易集成记忆化加速。从仓库结构看本版本的修复痕迹完整保留在 scipy/signal/_signaltools.py、scipy/sparse/csgraph/_shortest_path.pyx、scipy/sparse/linalg/_matfuncs.py、scipy/optimize/_zerosmodule.c、scipy/stats/_continuous_distns.py 等文件中对应回归测试则分布于 scipy/optimize/tests/test_zeros.py 与 scipy/stats/tests/test_distributions.py 等测试套件中可作为验证升级正确性的参考锚点。【免费下载链接】scipySciPy library main repository项目地址: https://gitcode.com/gh_mirrors/sc/scipy创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考