scipy的基本操作

插值：

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d

x=np.linspace(0,1,10) #x轴取0-1取10个数
y=np.sin(2*np.pi*x) #函数y=sin(2*pi*x)
#进行插值，会让曲线变得平滑很多
li=interp1d(x,y,kind='cubic') #kind是插值类型
x_new=np.linspace(0,1,50)
y_new=li(x_new)
plt.figure()
plt.plot(x,y,"r") #红色显示原始数据
plt.plot(x_new,y_new,"K") #黑色显示新数据
plt.show()
print (y_new)

Linear利用函数进行矩阵的分解

#coding=utf-8
__author__ = 'mac'

#Linear利用函数进行矩阵的分解
from scipy import linalg as lg
arr=np.array([[1,2],[3,4]])
#用scipy和numpy处理线性矩阵是一样的
print ("Det:",lg.det(arr)) #计算行列式
print ("Inv:",lg.inv(arr)) #计算逆矩阵
#用scipy解线性方程组
b=np.array([6,14])
print ("Sol:",lg.solve(arr,b)) #求另一因子
print ("Eig:",lg.eig(arr))  #求特征值和特征向量
#用scipy进行矩阵的分解比较容易。下面是几个矩阵的分解
print ("LU:",lg.lu(arr)) #进行LU分解
print ("QR:",lg.qr(arr)) #进行QR分解
print ("SVD:",lg.svd(arr)) #进行奇异值分解
print ("Schur:",lg.schur(arr)) #进行布尔分解