数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法学SciPy 是基于哪些核心包构建的？
SciPy 基于以下核心包构建：
Python - Python 是一种通用的编程语言，具有动态类型和解释性。它非常适合交互式工作和快速原型设计。它也能够编写强大的 AI 和 ML 应用程序。
NumPy - NumPy 是 SciPy 的基础 N 维数组包，允许我们高效地处理数值数组中的数据。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 维绘图功能。
SciPy 库 - 它是核心包之一，为我们提供了许多用户友好且高效的数值例程。数值例程包括用于积分、插值、优化、线性代数和统计的例程。
除此之外，SciPy 还包含用于数据管理和计算、高效高性能计算以及质量保证的专用工具。这些工具描述如下：
数据管理和计算工具
Pandas - Pandas 是一个用于组织和分析数据的开源 Python 包。它为我们提供了高性能且易于使用的数 据结构。
SymPy - 此工具用于符号数学。
NetworkX - 此工具集合用于分析复杂的网络。
scikit-image - 顾名思义，它包含用于图像处理的算法。
scikit-learn - scikit-learn 为我们提供了用于机器学习和统计建模的高效工具，包括分类、回归、聚类和降维。
PyTables 和 h5py - 这两种工具都用于访问以 HDF5 格式存储的数据。
生产力和高性能计算工具
IPython - 它是一个丰富的交互式界面，允许用户快速处理数据。
Jupyter Notebook - 它在 Web 浏览器中提供 IPython 功能。使用 Jupyter Notebook，我们可以以可重复的方式记录我们的计算。
Cython - 它帮助我们扩展 Python 语法以与 C/C++ 库集成。
质量保证工具
nose - 它是一个丰富的框架，用于测试你的 Python 代码。
numpydoc - 此工具用于记录科学 Python 库。
132 次浏览
