导入 SciPy 后，无需显式导入 NumPy 函数，因为默认情况下所有 NumPy 函数都可通过 SciPy 命名空间访问。但由于 SciPy 基于 NumPy 数组构建，我们必须了解 NumPy 的基础知识。由于线性代数的大部分内容只处理向量和矩阵，让我们了解 NumPy 向量和矩阵的基本功能。通过转换 Python 类数组对象创建 NumPy 向量让我们通过以下示例来了解这一点：示例import numpy as np list_objects = [10, 20, 30, 40, 50, 60, 70, 80, 90] array_new = np.array(list_objects) print ... 阅读更多

NumPy（代表 Numerical Python）用于操作数值数组数据的元素。SciPy（代表 Scientific Python）用于 Python 中的数值计算。这两个包都提供了扩展的功能来处理 Python。让我们了解 NumPy 和 SciPy 之间的一些基本区别：功能差异 - NumPy 的处理速度比 SciPy 快。NumPy 库中定义的函数不够深入，而 SciPy 库包含了这些函数的详细版本。SciPy 建立在 NumPy 之上，建议将这两个库一起使用，以进行快速有效的科学和数学计算。数组概念 - ... 阅读更多

SciPy 基于以下核心包构建：Python - Python 是一种通用的编程语言，它是动态类型的解释型语言。它非常适合交互式工作和快速原型设计。它也可以用于编写 AI 和 ML 应用程序。NumPy - NumPy 是 SciPy 的基础 N 维数组包，它允许我们有效地使用数值数组中的数据。它是数值计算的基础包。Matplotlib - Matplotlib 用于根据数据创建全面的二维图表和绘图。它还提供基本的 3 维绘图。SciPy 库 - 它是核心包之一，它为我们提供了许多用户友好的... 阅读更多

我们可以通过以下方法安装 Python SciPy：科学 Python 发行版 - 有各种科学 Python 发行版提供语言本身以及最常用的包。使用这些发行版的好处是它们需要很少的配置，并且几乎可以在所有设置上运行。这里我们将讨论三个最常用的发行版：Anaconda - Anaconda 是一个免费的 Python 发行版，可在 MS Windows、Mac OS 和 Linux 上良好运行。它为我们提供了 1500 多个 Python 和 R 包以及大量的库。这个 Python 发行版最适合初学者。WinPython - 它... 阅读更多

为了涵盖不同的科学计算领域，SciPy 库被组织成各种子包。这些子包解释如下：聚类包 (scipy.cluster) - 此包包含聚类算法，这些算法在信息论、目标检测、压缩、通信以及其他一些领域也很有用。它有两个模块，即 scipy.cluster.vq 和 scipy.cluster.hierarchy。顾名思义，第一个模块即 vq 模块只支持矢量量化和 k 均值算法。而第二个模块即 hierarchy 模块提供了用于凝聚和层次聚类的函数。常量 (scipy.constants) - 它包含数学和物理常数。数学常数包括 pi、黄金比例和黄金比例。物理常数包括 c、光速、普朗克常数、万有引力常数等。遗留... 阅读更多

SciPy（发音为“Sigh Pie”）是一个 Python 开源库的生态系统，用于执行数学、科学和工程计算。SciPy 代表 Scientific Python，它包含以下核心包，称为 SciPy 生态系统：NumPy - NumPy 是 SciPy 的基础 N 维数组包，它允许我们有效地使用数组中的数据。Matplotlib - Matplotlib 用于根据数据创建全面的二维图表和绘图。Pandas - Pandas 是一个开源 Python 包，用于组织和分析我们的数据。除了 SciPy 生态系统之外，SciPy 还指其他相关但不同的实体：社区 - 它指的是... 阅读更多