SciPy简单应用

SciPy简单应用

SciPy是在NumPy的基础上增加了大量用于数学计算，科学计算以及工程计算的模块，包括线性代数，常微分方程求解，信号处理，图像处理于稀疏矩阵等。参考文档

SciPy主要模块如下表：

模块	说明
scipy.cluster	向量计算 / Kmeans
scipy.constants	物理和数学常量
scipy.fftpack	傅里叶变换
scipy.integrate	积分程序
scipy.interpolate	插值
scipy.io	数据输入和输出
scipy.linalg	线性代数程序
scipy.ndimage	n-维图像包
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	一些特殊数学函数
scipy.stats	统计

他们全都依赖于numpy, 但是大多数是彼此独立的。导入Numpy和Scipy的标准方式：

import numpy as np
from scipy import stats  # 其他的子模块类似

文件输入/输出：scipy.io

• 载入和保存matlab文件：

from scipy import io as spio
a = np.ones((3, 3))
spio.savemat('file.mat', {
   'a': a}) # savemat expects a dictionary
data = spio.loadmat('file.mat', struct_as_record=True)
data['a']

array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

• 载入文本文件

numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None)

from io import StringIO  # StringIO behaves like a file object
import numpy as np
c = StringIO(u"0 1\n2 3")
print(np.loadtxt(c))

[[0. 1.]
 [2. 3.]]

d = StringIO(u"M 21 72\nF 35 58")
np.loadtxt(d, dtype={
   'names': ('gender', 'age', 'weight'), # dtype指定解析出来的数据类型
                 'formats': ('S1', 'i4', 'f4')})

array([(b'M', 21, 72.), (b'F', 35, 58.)],
      dtype=[('gender', 'S1'), ('age', '<i4'), ('weight', '<f4')])

c = StringIO(u"1,0,2\n3,0,4")
"""
delimiter指定文件中数据之间的分隔符
usecols 指定读取文件中的哪些列，在下面的函数中，usecols=(0,2)表示只读取文件的第1、3列
unpack:读出来的数据是否需要解包,注意接受函数的变量个数要与读出来的行数或列数吻合
"""
x, y = np.loadtxt(c, delimiter=',', usecols=(0, 2), unpack=True)
x

array([1., 3.])

y

array([2., 4.])

特殊函数：scipy.special

常用的一些函数如下：

• 贝塞尔函数，比如scipy.special.jn() (第n个整型顺序的贝塞尔函数)
• 椭圆函数 (scipy.special.ellipj() Jacobian椭圆函数, …)
• Gamma 函数: scipy.special.gamma(), 也要注意 scipy.special.gammaln() 将给出更高准确数值的 Gamma的log。
• Erf, 高斯曲线的面积：scipy.special.erf(),也叫误差函数

线性代数操作：scipy.linalg