Python SciPy 教程

SciPy 教程提供了 SciPy 的基本和高级概念。 我们的 SciPy 教程专为初学者和专业人士设计。 在本教程中，我们将讨论以下主题。

• 什么是 SciPy
• SciPy 子包
• SciPy 安装
• SciPy 聚类
• SciPy 常量
• SciPy FFTpack
• SciPy 积分
• SciPy 插值
• SciPy I/O
• SciPy 线性代数
• SciPy Ndimage
• SciPy 优化
• SciPy 统计
• SciPy 稀疏矩阵
• SciPy 空间
• SciPy ODR

什么是 SciPy

SciPy 是一个开源的 Python 科学库，在 BSD 许可证下发布。 它用于解决复杂的科学和数学问题。 它建立在 Numpy 扩展之上，这意味着如果我们导入 SciPy，则不需要导入 Numpy。 Scipy 的发音是 Sigh pi，它依赖于 Numpy，包括适当的、快速的 N 维数组操作。

它为数值积分和优化提供了许多用户友好且有效的数值函数。

SciPy 库支持积分、梯度优化、特殊函数、常微分方程求解器、并行编程工具等等。 我们可以说 SciPy 的实现在每个复杂的数值计算中都存在。

scipy 是一个与 MATLAB 类似的、用于数据处理和系统原型设计的环境。 它易于使用，并为科学家和工程师提供了极大的灵活性。

历史

Python 在 1990 年代扩展到包含一个用于数值计算的数组类型，称为 numeric。 这个 numeric 包在 2006 年被 Numpy（Numeric 和 NumArray 的混合）取代。 越来越多的扩展模块和开发人员有兴趣创建一个完整的科学和技术计算环境。 Travis Oliphant、Eric Jones 和 Pearu Peterson 合并了他们编写的代码，并将新包命名为 SciPy。 新创建的包在 Numpy 基础上提供了一组常见的数值运算标准。

为什么要使用 SciPy？

SciPy 包含重要的数学算法，这些算法使开发复杂和专用的应用程序变得容易。 作为一个开源库，它在世界各地拥有庞大的社区，用于开发其附加模块，这对于科学应用和数据科学家非常有益。

Numpy 与 SciPy

Numpy 和 SciPy 都用于数学和数值分析。 Numpy 适用于基本操作，例如排序、索引等等，因为它包含数组数据，而 SciPy 包含所有数值数据。

Numpy 包含许多用于解决线性代数、傅立叶变换等的函数，而 SciPy 库包含完整版本的线性代数模块以及许多其他数值算法。

注意： 请记住，如果您使用 Python 进行科学计算，您应该同时安装 Numpy 和 SciPy。 因为许多功能属于 SciPy 而不是 Numpy。

前提条件

在学习 SciPy 之前，您应该对 Python 和数学有基本的了解。

目标受众

我们的 SciPy 教程旨在帮助初学者和专业人士。

问题

我们保证您在本 SciPy 教程中不会遇到任何问题。 但如果有任何错误，请在联系表格中发布问题。