Python-adaptive项目v1.4.0版本发布：科学计算与梯度估计的优化升级

Python-adaptive是一个专注于自适应采样和函数逼近的Python库，它通过智能算法在关键区域增加采样点，从而高效地逼近复杂函数。该项目特别适用于计算密集型任务，如科学计算、工程仿真和机器学习等领域。

版本核心改进

本次发布的v1.4.0版本主要包含以下几项重要改进：

1. SciPy梯度估计警告消除

开发团队解决了estimate_gradients_2d_global方法中出现的SciPy弃用警告。这个改进确保了代码的长期稳定性，避免了未来可能因依赖库更新导致的兼容性问题。对于科学计算用户来说，这意味着更干净的运行输出和更可靠的长期维护性。

2. 构建系统现代化

项目构建系统全面升级为使用uv作为Nox后端。uv是一个新兴的高性能Python包安装器和解析器，相比传统工具具有显著的性能优势。这一变更带来了：

• 更快的测试环境搭建速度
• 更可靠的依赖解析
• 更现代化的开发工作流

3. Python版本支持策略调整

遵循Python生态系统的最新规范（SPEC 0），项目决定停止对Python 3.9和3.10的支持。这一决策基于：

• 减少维护负担，专注于新特性开发
• 利用Python 3.11+的新特性优化性能
• 与主流科学计算生态保持同步

4. 类型检查增强

通过在测试中启用typeguard进行运行时类型检查，显著提升了代码质量：

• 捕获更多潜在的类型相关错误
• 提供更严格的接口验证
• 改善开发体验，减少运行时错误

开发者体验优化

除了上述主要改进外，v1.4.0还包含多项开发者体验优化：

• 更新了mypy和ruff等静态分析工具的版本，提供更严格的代码质量检查
• 改进了变更日志的维护流程
• 优化了持续集成管道的配置

升级建议

对于现有用户，升级到v1.4.0版本前需要注意：

1. 确保Python环境为3.11或更高版本
2. 检查自定义的构建脚本是否与新的uv后端兼容
3. 验证类型注解是否满足更严格的类型检查要求

这个版本标志着Python-adaptive项目向更现代化、更高效的开发模式迈进，为科学计算和机器学习领域的研究人员提供了更可靠、更高效的工具基础。