- SciPy 教程
- SciPy 首页
- SciPy 简介
- SciPy - 环境设置
- SciPy - 基本功能
- SciPy - 聚类分析
- SciPy - 常量
- SciPy - FFTpack (快速傅里叶变换)
- SciPy - 积分
- SciPy - 插值
- SciPy - 输入和输出
- SciPy - 线性代数
- SciPy - N维图像处理
- SciPy - 优化
- SciPy - 统计
- SciPy - 压缩稀疏图
- SciPy - 空间数据
- SciPy - 正交距离回归
- SciPy - 特殊函数包
- SciPy 有用资源
- SciPy - 参考
- SciPy - 快速指南
- SciPy - 有用资源
- SciPy - 讨论
SciPy 简介
SciPy，读作“Sigh Pi”，是一个开源的科学计算Python库，根据BSD许可证发布，用于执行数学、科学和工程计算。
SciPy 库依赖于 NumPy，NumPy 提供了方便快捷的 N 维数组操作。SciPy 库构建在 NumPy 数组之上，并提供了许多用户友好且高效的数值计算方法，例如数值积分和优化的例程。它们都可以在所有流行的操作系统上运行，安装快速且免费。NumPy 和 SciPy 易于使用，但功能强大，以至于世界领先的科学家和工程师都依赖于它们。
SciPy 子包
SciPy 组织成涵盖不同科学计算领域的子包。这些子包在下表中进行了总结：
| scipy.cluster | 矢量量化/K均值聚类 |
| scipy.constants | 物理和数学常数 |
| scipy.fftpack | 傅里叶变换 |
| scipy.integrate | 积分算法 |
| scipy.interpolate | 插值 |
| scipy.io | 数据输入和输出 |
| scipy.linalg | 线性代数算法 |
| scipy.ndimage | N 维图像处理包 |
| scipy.odr | 正交距离回归 |
| scipy.optimize | 优化 |
| scipy.signal | 信号处理 |
| scipy.sparse | 稀疏矩阵 |
| scipy.spatial | 空间数据结构和算法 |
| scipy.special | 各种特殊数学函数 |
| scipy.stats | 统计 |
数据结构
SciPy 使用的基本数据结构是由 NumPy 模块提供的多维数组。NumPy 提供了一些用于线性代数、傅里叶变换和随机数生成的函数，但其通用性不如 SciPy 中的等效函数。
广告