Python 2.6 được phát hành khi nào?

khoa học 0. 7. 0 là đỉnh cao của 16 tháng làm việc chăm chỉ. Nó chứa nhiều tính năng mới, nhiều bản sửa lỗi, phạm vi kiểm tra được cải thiện và tài liệu tốt hơn. Đã có một số ngừng sử dụng và thay đổi API trong bản phát hành này, được ghi lại bên dưới. Tất cả người dùng được khuyến khích nâng cấp lên bản phát hành này vì có rất nhiều bản sửa lỗi và tối ưu hóa. Hơn nữa, sự chú ý phát triển của chúng tôi bây giờ sẽ chuyển sang các bản phát hành sửa lỗi trên 0. 7. x và thêm các tính năng mới trên thân cây phát triển. Bản phát hành này yêu cầu Python 2. 4 hoặc 2. 5 và NumPy 1. 2 hoặc cao hơn

Xin lưu ý rằng SciPy vẫn được coi là có trạng thái “Beta” khi chúng tôi hướng tới SciPy 1. 0. 0 phát hành. 1. 0. 0 sẽ đánh dấu một cột mốc quan trọng trong quá trình phát triển SciPy, sau đó việc thay đổi cấu trúc gói hoặc API sẽ khó khăn hơn nhiều. Trong khi những pre-1. 0 được coi là có trạng thái “Beta”, chúng tôi cam kết làm cho chúng không có lỗi nhất có thể. Ví dụ: ngoài việc sửa nhiều lỗi trong bản phát hành này, chúng tôi cũng đã tăng gấp đôi số lượng bài kiểm tra đơn vị kể từ bản phát hành trước

Tuy nhiên, cho đến ngày 1. 0, chúng tôi đang tích cực xem xét và tinh chỉnh chức năng, tổ chức và giao diện. Điều này đang được thực hiện với nỗ lực làm cho gói mạch lạc, trực quan và hữu ích nhất có thể. Để đạt được điều này, chúng tôi cần sự giúp đỡ từ cộng đồng người dùng. Cụ thể, chúng tôi cần phản hồi về tất cả các khía cạnh của dự án - mọi thứ - từ những thuật toán mà chúng tôi triển khai, đến chi tiết về chữ ký cuộc gọi của chức năng của chúng tôi

Trong năm qua, chúng tôi đã chứng kiến ​​sự gia tăng nhanh chóng về mức độ tham gia của cộng đồng và nhiều cải tiến về cơ sở hạ tầng để giảm bớt rào cản đối với các khoản đóng góp (e. g. , tiêu chuẩn mã hóa rõ ràng hơn, cơ sở hạ tầng thử nghiệm được cải thiện, công cụ tài liệu tốt hơn). Trong năm tới, chúng tôi hy vọng sẽ thấy xu hướng này tiếp tục và mời mọi người tham gia nhiều hơn

Một lượng lớn công việc đã được thực hiện để làm cho SciPy tương thích với Python 2. 6; . Vấn đề chính với 2. 6 hỗ trợ là NumPy. Trên UNIX (bao gồm cả Mac OS X), NumPy 1. 2. 1 chủ yếu hoạt động, với một vài lưu ý. Trên Windows, có vấn đề liên quan đến quá trình biên dịch. NumPy 1 sắp ra mắt. 3 phát hành sẽ khắc phục những vấn đề này. Mọi vấn đề còn lại với 2. 6 hỗ trợ cho SciPy 0. 7 sẽ được giải quyết trong bản phát hành sửa lỗi

Trăn 3. 0 hoàn toàn không được hỗ trợ; . 0. Điều này đòi hỏi nỗ lực rất lớn, vì rất nhiều mã C phải được chuyển. Quá trình chuyển đổi sang 3. 0 vẫn đang được xem xét;

Tài liệu SciPy được cải thiện rất nhiều; . Hướng dẫn tham khảo mới được xây dựng bằng công cụ Sphinx phổ biến

Bản phát hành này cũng bao gồm một hướng dẫn cập nhật, không có sẵn kể từ khi SciPy được chuyển sang NumPy vào năm 2005. Mặc dù không toàn diện, hướng dẫn chỉ ra cách sử dụng một số phần thiết yếu của Scipy. Nó cũng bao gồm tài liệu ndimage từ sách hướng dẫn numarray

Tuy nhiên, cần nhiều nỗ lực hơn trên mặt trận tài liệu. May mắn thay, việc đóng góp vào tài liệu Scipy giờ đây dễ dàng hơn trước. nếu bạn thấy rằng một phần của nó cần cải tiến và muốn giúp chúng tôi, vui lòng đăng ký tên người dùng trong trình chỉnh sửa tài liệu dựa trên web của chúng tôi tại https. // tài liệu. scipy. org/ và khắc phục sự cố

NumPy 1. 2 đã giới thiệu một khung thử nghiệm mới dựa trên mũi. Bắt đầu với bản phát hành này, SciPy hiện cũng sử dụng khung thử nghiệm NumPy mới. Tận dụng khuôn khổ thử nghiệm mới yêu cầu nose phiên bản 0. 10 trở lên. Một ưu điểm chính của khung mới là nó đơn giản hóa rất nhiều việc viết các bài kiểm tra đơn vị - tất cả đã sẵn sàng được đền đáp, nhờ sự gia tăng nhanh chóng của các bài kiểm tra. Để chạy bộ thử nghiệm đầy đủ

>>> import scipy
>>> scipy.test('full')

Để biết thêm thông tin, vui lòng xem Hướng dẫn kiểm tra NumPy/SciPy

Chúng tôi cũng đã cải thiện đáng kể phạm vi thử nghiệm của mình. Chỉ có hơn 2.000 bài kiểm tra đơn vị trong 0. 6. 0 phát hành;

Hỗ trợ cho NumScons đã được thêm vào. NumScons là một hệ thống xây dựng mới dự kiến ​​cho NumPy/SciPy, sử dụng SCons làm cốt lõi

SCons là một hệ thống xây dựng thế hệ tiếp theo, nhằm thay thế Make đáng kính bằng chức năng tích hợp của autoconf/automakeccache. Scons được viết bằng Python và các tệp cấu hình của nó là các tập lệnh Python. NumScons nhằm thay thế phiên bản tùy chỉnh của NumPy của distutils cung cấp chức năng nâng cao hơn, chẳng hạn như autoconf, hỗ trợ fortran được cải thiện, nhiều công cụ hơn và hỗ trợ cho sự hợp tác của ndimage0/ndimage1

Trong khi chuyển SciPy sang NumPy vào năm 2005, một số gói và mô-đun đã được chuyển vào ndimage2. Hộp cát là nền tảng cho các gói đang được phát triển nhanh chóng và có API thay đổi liên tục. Đó cũng là nơi mã bị hỏng có thể sống. Hộp cát đã phục vụ tốt mục đích của nó, nhưng bắt đầu tạo ra sự nhầm lẫn. Vì vậy, ndimage2 đã bị xóa. Hầu hết mã đã được chuyển vào ndimage4, một số mã được tạo thành ndimage5 và mã còn lại vừa bị xóa vì chức năng đã được thay thế bằng mã khác

Ma trận thưa thớt đã thấy những cải tiến sâu rộng. Hiện tại có hỗ trợ cho các kiểu số nguyên như ndimage6, ndimage7, v.v. Hai định dạng thưa thớt mới đã được thêm vào

  • lớp học mới ndimage8. định dạng DIAgonal thưa thớt

  • lớp mới ndimage9. định dạng Khối CSR

Một số chức năng xây dựng ma trận thưa thớt mới đã được thêm vào

  • numarray0. sản phẩm Kronecker thưa thớt

  • numarray1. phiên bản thưa thớt của numarray2

  • numarray3. phiên bản thưa thớt của numarray4

  • numarray5. phiên bản thưa thớt của numarray6

Trích xuất các ma trận con và giá trị khác không đã được thêm vào

  • numarray7. trích xuất tam giác dưới

  • numarray8. trích xuất tam giác trên

  • numarray9. giá trị khác không và chỉ số của họ

nose0 và nose1 hiện hỗ trợ cắt và lập chỉ mục ưa thích (e. g. , nose2 và nose3). Hiện có thể chuyển đổi giữa tất cả các định dạng thưa thớt

  • sử dụng các chức năng thành viên như nose4 và nose5

  • sử dụng hàm thành viên nose6, e. g. nose7

  • sử dụng hàm tạo nose8

Tất cả các hàm tạo thưa thớt hiện chấp nhận ma trận dày đặc và danh sách danh sách. Ví dụ

  • nose9 và Make0

Việc xử lý các đường chéo trong hàm Make1 đã được thay đổi. Bây giờ nó phù hợp với chức năng MATLAB(TM) cùng tên

Nhiều cải tiến hiệu quả đối với chuyển đổi định dạng và số học ma trận thưa thớt đã được thực hiện. Cuối cùng, bản phát hành này chứa nhiều sửa lỗi

Các chức năng thống kê cho các mảng được che dấu đã được thêm vào và có thể truy cập thông qua Make2. Các chức năng tương tự như các đối tác của chúng trong Make3 nhưng chúng chưa được xác minh về các giao diện và thuật toán giống hệt nhau

Một số lỗi đã được sửa đối với các chức năng thống kê, trong số đó, Make4 và Make5 đã nhận được đối số từ khóa mới

Đã thêm cảnh báo không dùng nữa cho Make6, Make7, Make8, Make9, autoconf0 và autoconf1. Các chức năng này nên được thay thế bằng các đối tác gọn gàng của chúng. Tuy nhiên, lưu ý rằng một số tùy chọn mặc định khác nhau giữa phiên bản Make3 và numpy của các chức năng này

Nhiều bản sửa lỗi cho autoconf3. tất cả các phương thức chung hiện hoạt động chính xác, một số phương thức trong các bản phân phối riêng lẻ đã được sửa. Tuy nhiên, vẫn còn một số vấn đề với khoảnh khắc cao hơn (_______5_______4, autoconf5) và entropy. Công cụ ước tính khả năng tối đa, autoconf6, không hoạt động ngay lập tức đối với một số bản phân phối - trong một số trường hợp, các giá trị ban đầu phải được chọn cẩn thận, trong các trường hợp khác, việc triển khai chung phương pháp khả năng tối đa có thể không phải là phương pháp số

Chúng tôi mong đợi nhiều bản sửa lỗi hơn, tăng độ chính xác về số và cải tiến trong phiên bản tiếp theo của scipy

Mã IO trong cả NumPy và SciPy đang được làm lại rộng rãi. NumPy sẽ là nơi đặt mã cơ bản để đọc và ghi các mảng NumPy, trong khi SciPy sẽ chứa các trình đọc và ghi tệp cho các định dạng dữ liệu khác nhau (dữ liệu, âm thanh, video, hình ảnh, matlab, v.v. )

Một số chức năng trong autoconf7 không được dùng nữa và sẽ bị xóa trong 0. 8. 0 bao gồm các bản phát hành autoconf8, autoconf9, automake0, automake1, automake2, automake3, automake4, automake5, automake6, automake7, automake8, automake9, ccache0, ccache1, ccache2, và ccache3. Một số chức năng này đã được thay thế bằng khả năng đọc và ghi thô, khả năng ánh xạ bộ nhớ hoặc phương thức mảng của NumPy. Những người khác đã được chuyển từ SciPy sang NumPy, vì khả năng đọc và ghi mảng cơ bản hiện do NumPy xử lý

Trình đọc/ghi tệp Matlab (TM) có một số cải tiến

  • phiên bản mặc định 5

  • trình ghi v5 cho cấu trúc, mảng ô và đối tượng

  • trình đọc/ghi v5 cho các hàm xử lý và số nguyên 64 bit

  • đối số từ khóa struct_as_record mới cho ccache4, tải các mảng cấu trúc trong matlab dưới dạng các mảng bản ghi trong numpy

  • mảng chuỗi có ccache5 thay vì ccache6

  • ccache4 không còn bóp các kích thước đơn lẻ nữa, tôi. e. ccache8 theo mặc định

Mô-đun này thêm chức năng phân cụm theo cấp bậc mới vào gói ccache9. Các giao diện chức năng tương tự như các chức năng được cung cấp Hộp công cụ thống kê của MATLAB(TM) để giúp tạo điều kiện thuận lợi cho việc di chuyển sang khung NumPy/SciPy dễ dàng hơn. Các phương thức liên kết được triển khai bao gồm đơn, đầy đủ, trung bình, trọng số, trọng tâm, trung vị và phường

Ngoài ra, một số chức năng được cung cấp để tính toán thống kê không nhất quán, khoảng cách cophenetic và khoảng cách tối đa giữa các hậu duệ. Các hàm distutils0 và distutils1 biến đổi một cụm phân cấp thành một tập hợp các cụm phẳng. Vì các cụm phẳng này được tạo bằng cách cắt cây thành một rừng cây, nên hàm distutils2 nhận một liên kết và phân cụm phẳng, đồng thời tìm gốc của từng cây trong rừng. Lớp distutils3 đại diện cho một cụm phân cấp dưới dạng đối tượng cây có thể điều hướng trường. distutils4 chuyển đổi một cụm phân cấp được mã hóa bằng ma trận thành một đối tượng distutils3. Các quy trình chuyển đổi giữa mã hóa liên kết MATLAB và SciPy được cung cấp. Cuối cùng, một hàm distutils6 vẽ sơ đồ các cụm phân cấp dưới dạng chương trình dendrogram, sử dụng matplotlib

Gói không gian mới chứa một tập hợp các thuật toán không gian và cấu trúc dữ liệu, hữu ích cho các ứng dụng phân cụm và thống kê không gian. Nó bao gồm mã được biên dịch nhanh chóng để tính toán chính xác và gần đúng các hàng xóm gần nhất, cũng như cây kd-python thuần có cùng giao diện, nhưng hỗ trợ chú thích và nhiều thuật toán khác. API cho cả hai mô-đun có thể thay đổi đôi chút khi yêu cầu của người dùng trở nên rõ ràng hơn

Nó cũng bao gồm một mô-đun distutils7, chứa một tập hợp các hàm khoảng cách và độ khác nhau để tính toán khoảng cách giữa các vectơ, hữu ích cho thống kê không gian, phân cụm và cây kd. Các hàm khoảng cách và độ không tương đồng được cung cấp bao gồm Bray-Curtis, Canberra, Chebyshev, City Block, Cosine, Dice, Euclidean, Hamming, Jaccard, Kulsinski, Mahalanobis, Matching, Minkowski, Rogers-Tanimoto, Russell-Rao, Euclidean bình phương, Euclidean chuẩn hóa, Sokal

Hàm distutils8 tính toán khoảng cách theo cặp giữa tất cả các cặp vectơ không có thứ tự trong một tập hợp vectơ. distutils9 tính khoảng cách trên tất cả các cặp vectơ trong tích Descartes của hai bộ vectơ. Ma trận khoảng cách theo cặp được lưu trữ ở dạng cô đọng; . autoconf0 chuyển đổi ma trận khoảng cách giữa dạng vuông và dạng đặc

Các trình bao bọc FFTW2, FFTW3, MKL và DJBFFT đã bị xóa. Chỉ (NETLIB) fftpack còn lại. Bằng cách tập trung vào một phụ trợ, chúng tôi hy vọng sẽ thêm các tính năng mới - như hỗ trợ float32 - dễ dàng hơn

autoconf1 cung cấp một tập hợp các hằng số vật lý và hệ số chuyển đổi. Các hằng số này được lấy từ CODATA Các giá trị được đề xuất của các hằng số vật lý cơ bản. 2002. Chúng có thể được tìm thấy tại vật lý. đầu tiên. gov/hằng số. Các giá trị được lưu trữ trong từ điển physical_constants dưới dạng một bộ chứa giá trị, đơn vị và độ chính xác tương đối - theo thứ tự đó. Tất cả các hằng số đều tính theo đơn vị SI, trừ khi có quy định khác. Một số chức năng trợ giúp được cung cấp

autoconf2 hiện có mô-đun Chức năng cơ sở xuyên tâm. Các hàm cơ sở xuyên tâm có thể được sử dụng để làm mịn/nội suy dữ liệu phân tán theo chiều n, nhưng nên thận trọng khi sử dụng để ngoại suy bên ngoài phạm vi dữ liệu được quan sát

autoconf3 hiện chứa một trình bao bọc cho bộ giải phương trình vi phân thông thường có giá trị phức ZVODE (của Peter N. Nâu, Alan C. Hindmarsh, và George D. Byrne)

autoconf4 hiện chứa các hàm bao cho các trình giải quyết vấn đề giá trị riêng đối xứng LAPACK và ẩn sĩ hơn. Giờ đây, người dùng có thể giải quyết các vấn đề tổng quát, chỉ chọn một phạm vi giá trị riêng và chọn sử dụng thuật toán nhanh hơn với chi phí sử dụng bộ nhớ tăng lên. Chữ ký của autoconf4 đã thay đổi tương ứng

Hình dạng của các giá trị trả về từ autoconf6 từng không chính xác, nếu dữ liệu được nội suy có nhiều hơn 2 chiều và từ khóa trục được đặt thành giá trị không mặc định. Điều này đã được sửa. Hơn nữa, autoconf7 bây giờ trả về một vô hướng (0D-mảng) nếu đầu vào là một vô hướng. Người dùng của autoconf6 có thể cần sửa lại mã của họ nếu nó dựa trên hành vi trước đó

Có rất nhiều cải tiến đối với autoconf9. ndimage00 đã được tác giả cấp lại để tương thích với giấy phép SciPy. ndimage01 đã bị xóa

Đây là những vấn đề đã biết với scipy 0. 7. 0

  • lỗi kiểm tra dệt trên windows. chúng đã được biết đến và đang được sửa đổi

  • lỗi kiểm tra dệt với gcc 4. 3 (chuẩn. phòng thí nghiệm). đây là một gcc 4. 3 lỗi. Một cách giải quyết khác là thêm #include vào scipy/weave/blitz/blitz/funcs. h (dòng 27). Bạn có thể thực hiện thay đổi trong scipy đã cài đặt (trong gói trang web)

    Khi nào Python 2. 5 phát hành?

    Trăn 2. 5 được phát hành vào 19 tháng 9 năm 2006 .

    Khi nào Python 2. 7 phát hành?

    Trăn 2. 7. 0 được phát hành vào ngày 3 tháng 7 năm 2010 . Trăn 2. 7 được lên kế hoạch là phiên bản chính cuối cùng trong 2.

    Khi nào Python 2. 7 không dùng nữa?

    Ngày hoàng hôn đã trôi qua; . Điều gì xảy ra bây giờ? . Một vài thay đổi đã được thực hiện giữa khi chúng tôi phát hành Python 2. 7. January 1st, 2020. What happens now? As of January 1st, 2020 no new bug reports, fixes, or changes will be made to Python 2, and Python 2 is no longer supported. A few changes were made between when we released Python 2.7.

    Khi nào Python 2. 7 hỗ trợ kết thúc?

    Là người cuối cùng trong 2 người. sê-ri x, 2. 7 đã nhận được hỗ trợ sửa lỗi cho đến năm 2020. Chính thức ngừng hỗ trợ ngày 1 tháng 1 năm 2020 và 2. 7. 18 mã đóng băng xảy ra vào ngày 1 tháng 1 năm 2020, nhưng bản phát hành cuối cùng diễn ra sau ngày đó.