SciPy完整的教程https://docs.scipy.org/doc/scipy/reference/index.html
python在科学计算领域有三个非常受欢迎库,numpy、SciPy、matplotlib。numpy是一个高性能的多维数组的计算库,SciPy是构建在numpy的基础之上的,它提供了许多的操作numpy的数组的函数。SciPy是一款方便、易于使用、专为科学和工程设计的python工具包,它包括了统计、优化、整合以及线性代数模块、傅里叶变换、信号和图像图例,常微分方差的求解等。
一、SciPy教程
- 介绍
- 基本功能
- 特殊功能(scipy.special)
- 整合(scipy.integrate)
- 优化(scipy.optimize)
- 插值(scipy.interpolate)
- 傅立叶变换(scipy.fftpack)
- 信号处理(scipy.signal)
- 线性代数(scipy.linalg)
- ARPACK的稀疏特征值问题
- 压缩稀疏图例程(scipy.sparse.csgraph)
- 空间数据结构和算法(scipy.spatial)
- 统计数据(scipy.stats)
- 多维图像处理(scipy.ndimage)
- 文件IO(scipy.io)
二、API参考
所有函数和类的确切API,由docstrings给出。 API记录了所有函数的预期类型和允许的功能,以及算法可用的所有参数。
- 集群包(scipy.cluster)
- 常数(scipy.constants)
- 离散傅立叶变换(scipy.fftpack)
- 集成和ODE(scipy.integrate)
- 插值(scipy.interpolate)
- 输入和输出(scipy.io)
- 线性代数(scipy.linalg)
- 杂项例程(scipy.misc)
- 多维图像处理(scipy.ndimage)
- 正交距离回归(scipy.odr)
- 优化和根查找(scipy.optimize)
- 信号处理(scipy.signal)
- 稀疏矩阵(scipy.sparse)
- 稀疏线性代数(scipy.sparse.linalg)
- 压缩稀疏图例程(scipy.sparse.csgraph)
- 空间算法和数据结构(scipy.spatial)
- 特殊功能(scipy.special)
- 统计函数(scipy.stats)
- 掩码数组的统计函数(scipy.stats.mstats)
- 低级回调函数