scikit-tda/ripser.py

什麼是 Ripser.py？

Ripser.py 是快速 C++ 庫 Ripser 的 Python 封裝，提供一個輕量、易用的工具組，用於計算 拓撲資料分析 (TDA) 的核心方法——持續同調（persistent homology）。它可將點群、距離矩陣或影像轉換為 持續圖（persistence diagrams），捕捉多尺度的形狀資訊，適用於許多機器學習流程。

主要功能

功能	說明
持續上同調	對稀疏或密集資料計算 Vietoris-Rips（或下星）濾波，並回傳出生/死亡對。
圖譜可視化	透過 `persim` 套件提供簡單的 `plot_diagrams` 輔助函數，繪製持續圖。
影像濾波	直接從灰階影像生成下星濾波。
代表性上鏈	提取實現圖譜中顯示的同調類的具體上鏈。
scikit-learn 兼容 API	提供 `Rips` 變換器（`fit_transform` / `plot`），可輕鬆接入流程。

安裝

# 從 PyPI（支援 Windows、macOS、Linux 的預建輪子）
pip install ripser

如需從原始碼建置（例如修改程式碼），請克隆倉儲並執行 pip install . 或使用 pip install -e . 進行可編輯安裝。唯一必需的相依性是 Cython, numpy, scipy, scikit-learn, persim。Windows 用戶可能需要 MinGW；macOS 用戶請確保 Xcode 命令列工具為最新版本。

可選性能提升：將 robin-hood-hashing 倉儲克隆至專案根目錄，可啟用更快的雜湊表實作，帶來最高約 30% 的速度提升。

快速範例

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

# 隨機 2D 點群
X = np.random.random((100, 2))

# 函數式 API
dgms = ripser(X)['dgms']
plot_diagrams(dgms, show=True)

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

上述程式碼產生一個持續圖（參見 README 圖像），展示不同尺度下拓撲特徵的生命周期。

文件與資源

完整文件： https://ripser.scikit-tda.org
JOSS 論文（可引用）： DOI 10.21105/joss.00925
相關專案：原始 C++ 庫 Ripser，GPU 加速版 Ripser++。

授權與引用

授權：MIT（Python 封裝與底層 C++ 程式碼皆適用）。
在研究中使用此套件時，請引用 JOSS 論文與原始 Ripser 論文（README 中提供 BibTeX 條目）。

誰會使用它？

將 TDA 應用於點群、時間序列或影像的資料科學家。
建構分類、聚類或異常偵測特徵的研究人員。
需要無需處理 C++ 編譯問題的快速純 Python 接口的任何人。