📅  最后修改于: 2020-12-13 14:11:10             🧑  作者: Mango
Python的SciPy库是为与NumPy数组一起使用而构建的,并提供了许多用户友好且高效的数值实践,例如用于数值积分和优化的例程。它们一起运行在所有流行的操作系统上,安装迅速且免费。 NumPy和SciPy易于使用,但功能强大,足以被一些世界领先的科学家和工程师所依赖。
SciPy被组织成涵盖不同科学计算领域的子包。这些总结在下表中-
scipy.constants | Physical and mathematical constants |
scipy.fftpack | Fourier transform |
scipy.integrate | Integration routines |
scipy.interpolate | Interpolation |
scipy.io | Data input and output |
scipy.linalg | Linear algebra routines |
scipy.optimize | Optimization |
scipy.signal | Signal processing |
scipy.sparse | Sparse matrices |
scipy.spatial | Spatial data structures and algorithms |
scipy.special | Any special mathematical functions |
scipy.stats | Statistics |
SciPy使用的基本数据结构是NumPy模块提供的多维数组。 NumPy提供了一些函数,用于线性代数,傅立叶变换和随机数生成,但不具有SciPy中等效函数的一般性。
在下一章中,我们将在数据科学工作中看到许多使用Python的SciPy库的示例。