SciPy 1.15.0 重磅发布：稀疏数组全面支持、新微分模块上线，Python 3.13 初体验！

如果你是一位 Python 开发者，尤其是深耕数据科学、机器学习、数值计算领域的朋友，那么 SciPy 1.15.0 的发布一定值得你关注！这次的版本更新可谓亮点满满，不仅有重磅的稀疏数组支持，还新增了微分、积分等全新功能模块，同时也迎来了对即将到来的 Python 3.13 的初步支持。

接下来，跟我一起来看看这次 SciPy 更新里有哪些值得拍桌叫绝的功能改进吧！

亮点速览：这次更新不容错过！

1️⃣ 稀疏数组的全面支持

稀疏矩阵党看过来，这次 SciPy 终于向未来迈出了重要一步：稀疏数组（sparse array）终于全面支持！
以前稀疏矩阵只能二维，功能还相对有限，现在稀疏数组不仅能处理一维和二维数组，还支持部分 n 维稀疏数组的操作。

支持的功能包括：

• 基本运算（add、subtract 等）。
• 矩阵变形（reshape、transpose 等）。
• 数学运算（matmul、dot、tensordot 等）。

简单来说：以后用稀疏数组可以更灵活地操作数据，再也不用受制于“矩阵只能二维”的限制了！

而且 sparse.linalg 和 sparse.csgraph 模块现在也都兼容稀疏数组，赶紧迁移你的老代码吧（官方提供了迁移指南）。

2️⃣ 支持 Python 3.13：尝鲜多线程自由！

Python 3.13 还没正式发布，但 SciPy 已经抢先一步开始支持了！

• 自由线程（free-threading）：这是 Python 3.13 的一大亮点，SciPy 的支持意味着在未来，我们可以看到多线程数值计算效率的显著提升。

趁现在就可以提前适配，让你的代码跑在“时代前沿”

3️⃣ 微分模块上线：scipy.differentiate，黑箱函数的福音

如果你需要高效计算黑箱函数的导数，这次 SciPy 的全新子模块 scipy.differentiate 必须被点名表扬。

• 无需知道函数的内部结构，只需提供输入，就能精确估计导数。
• 比传统数值微分更快更准。

这波更新直接对标很多高阶科学计算库，给用户提供了更加完整的工具链。

4️⃣ 优化模块：单变量函数的福音

scipy.optimize.elementwise 模块新增了一些超强功能，专注于单变量函数的求根和最小化问题。

• 如果你对单变量优化的速度和精度要求很高，这部分更新会让你爱不释手！

5️⃣ 积分模块：多元积分、高精度求和一个不落

• scipy.integrate 模块新增了三大功能：
• cubature：多元积分。
• tanhsinh：单变量积分，支持极高精度。
• nsum：级数求和功能更强大。

积分、求和的效率直接拉满，尤其适合需要大量数值积分的科学计算场景。

6️⃣ 插值模块：重心有理近似的算法支持

如果你需要对实数或复数函数进行逼近插值，现在 scipy.interpolate.AAA 模块中新增了重心有理近似的 AAA 算法，这个高级插值算法可以大大提高你的插值效率和精度。

---

SciPy：这波更新给开发者带来了什么？

1. 标准的进一步统一

SciPy 的更新紧跟 Array API 标准，这意味着它在与其他科学计算工具（比如 CuPy、JAX 等）的互操作性方面迈出了重要一步。未来，跨框架操作数组将更加流畅！

2. 未来的性能红利

Python 3.13 的自由线程特性逐步落地，而 SciPy 的兼容性提前准备好了。等到正式支持后，SciPy 的多线程数值计算效率将迎来质的飞跃。

3. 科学计算的全方位强化

这次更新填补了很多之前用户抱怨的空白：稀疏数组、黑箱函数导数、多元积分、矢量化计算……用一句话总结就是：SciPy 的工具箱更全面、更强大了。

---

⚙️ 如何升级？

要尝鲜 SciPy 1.15.0，需要满足以下环境要求：

• Python 版本：3.10 至 3.13（赶紧升级吧，Python 3.9 已经被抛弃了 ）。
• NumPy 版本：1.23.5 或更高。

然后直接运行：

pip install --upgrade scipy 

“SciPy 就像 Python 科学计算的神器，每次更新都在告诉我们：更快、更强、更智能的工具正在路上！”

这次的 SciPy 1.15.0 更新，不仅带来了稀疏数组的全面支持、全新模块的上线，更抢先支持了 Python 3.13 的新特性。还在犹豫什么？赶紧升级 SciPy，拥抱更强大的科学计算工具吧

最后附上github链接，了解详细内容！

Release SciPy 1.15.0 · scipy/scipy​github.com/scipy/scipy/releases/tag/v1.15.0​编辑

你觉得 SciPy 的哪些功能最有用？来评论区聊聊吧！ 我是旷野，探索无尽技术！