scikit-tda/ripser.py

什么是 Ripser.py？

Ripser.py 是快速 C++ 库 Ripser 的 Python 封装，提供一个轻量、易用的工具包，用于计算 拓扑数据分析 (TDA) 的核心方法——持久同调（persistent homology）。它可将点云、距离矩阵或图像转换为 持久图（persistence diagrams），捕捉多尺度的形状信息，适用于许多机器学习流水线。

主要功能

功能	说明
持久上同调	对稀疏或密集数据计算 Vietoris-Rips（或下星）滤波，并返回出生/死亡对。
图谱可视化	通过 `persim` 包提供简单的 `plot_diagrams` 辅助函数，绘制持久图。
图像滤波	直接从灰度图像生成下星滤波。
代表性上链	提取实现图谱中显示的同调类的具体上链。
scikit-learn 兼容 API	提供 `Rips` 变换器（`fit_transform` / `plot`），可无缝接入流水线。

安装

# 从 PyPI（支持 Windows、macOS、Linux 的预构建轮子）
pip install ripser

如需从源码构建（例如修改代码），请克隆仓库并运行 pip install . 或使用 pip install -e . 进行可编辑安装。唯一必需的依赖是 Cython, numpy, scipy, scikit-learn, persim。Windows 用户可能需要 MinGW；macOS 用户请确保 Xcode 命令行工具为最新版本。

可选性能提升：将 robin-hood-hashing 仓库克隆到项目根目录，可启用更快的哈希表实现，带来最高约 30% 的速度提升。

快速示例

import numpy as np
from ripser import ripser, Rips
from persim import plot_diagrams

# 随机 2D 点云
X = np.random.random((100, 2))

# 函数式 API
dgms = ripser(X)['dgms']
plot_diagrams(dgms, show=True)

# scikit-learn 风格
rips = Rips()
dgms2 = rips.fit_transform(X)
rips.plot(dgms2)

上述代码生成一个持久图（参见 README 图像），展示不同尺度下拓扑特征的生命周期。

文档与资源

完整文档： https://ripser.scikit-tda.org
JOSS 论文（可引用）： DOI 10.21105/joss.00925
相关项目：原始 C++ 库 Ripser，GPU 加速版 Ripser++。

许可与引用

许可：MIT（Python 封装和底层 C++ 代码均适用）。
在研究中使用该库时，请引用 JOSS 论文和原始 Ripser 论文（README 中提供 BibTeX 条目）。

谁会使用它？

将 TDA 应用于点云、时间序列或图像的数据科学家。
构建分类、聚类或异常检测特征的研究人员。
需要无需处理 C++ 编译问题的快速纯 Python 接口的任何人。