2021-05-17

Python——Scipy库

一、Scipy库的简介
        Scipy高级科学计算库：和Numpy联系很密切，Scipy一般都是操控Numpy数组来进行科学计算、统计分析，所以可以说是基于Numpy之上了。Scipy有很多子模块可以应对不同的应用，例如插值运算，优化算法等等。SciPy则是在NumPy的基础上构建的更为强大，应用领域也更为广泛的科学计算包。正是出于这个原因，SciPy需要依赖NumPy的支持进行安装和运行。
        Scipy是世界上著名的Python开源科学计算库，建立在Numpy之上。它增加的功能包括数值积分、最优化、统计和一些专用函数。 SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。
        Scipy是基于Numpy构建的一个集成了多种数学算法和方便的函数的Python模块。通过给用户提供一些高层的命令和类，SciPy在python交互式会话中，大大增加了操作和可视化数据的能力。通过SciPy，Python的交互式会话变成了一个数据处理和一个system-prototyping环境，足以和MATLAB，IDL，Octave，R-Lab，以及SciLab抗衡。 更重要的是，在Python中使用SciPy，还可以同时用一门强大的语言——Python来开发复杂和专业的程序。用SciPy写科学应用，还能获得世界各地的开发者开发的模块的帮助。从并行程序到web到数据库子例程到各种类，都已经有可用的给Python程序员了。这些强大的功能，SciPy都有，特别是它的数学库。
        Scipy是在Python的NumPy扩展上构建的数学算法和方便函数的集合。它通过为用户提供高级命令和类来操作和可视化数据，为交互式Python会话添加了强大的功能。有了SciPy，交互式Python会话就变成了一个数据处理和系统原型环境，可以与MATLAB、IDL、Octave、R-Lab和SciLab等系统相匹敌。
        以Python为基础的SciPy的另一个好处是，它还提供了一种强大的编程语言，可用于开发复杂的程序和专门的应用程序。使用SciPy的科学应用程序受益于世界各地的开发人员在软件领域的许多小众领域中开发的附加模块。从并行编程到web和数据库的子例程和类，Python程序员都可以使用。除了SciPy中的数学库之外，所有这些功能都是可用的。
二、Scipy库的常见子包及其作用

子包	作用
cluster	Clustering algorithms（聚类算法在信息理论、目标检测、通信、压缩等领域有着广泛的应用。vq模块只支持矢量量化和k-均值算法。）
constants	Physical and mathmatical constans（物理和数学常数）
fftpack	Fast Fourier Transform routines（快速傅里叶变换例程）
integrate	Integration and ordinary differential equation solvers(积分与常微分方程求解器)
interpolate	Interpolation and smoothing splines(此子包包含样条函数和类、一维和多维（单变量和多变量）插值类、Lagrange和Taylor多项式插值器以及FITPACK和DFITPACK函数的包装器。)
io	Input and Output(输入输出)
linalg	Linear algebra(线性代数)
ndimage	N-dimensional image processing(N维图像处理)
odr	Orthogonal distance regression(正交距离回归)
optimize	Optimization and root-finding routines (优化和根查找例程)
signal	Signal processing(信号处理)
sparse	Sparse matrices and associated routines(稀疏矩阵及其相关例程)
spatial	Spatial data structures and algorithms(空间数据结构与算法)
special	Special functions(特殊功能)
stats	Statistical distributions and functions(该模块包含大量的概率分布以及不断增长的统计函数库。每个单变量分布都是rv_连续（rv_离散用于离散分布）的一个子类的实例。)

由于我的研究方向是生物数学，所以主要关注学习——Scipy.integrate。