Scipy:高端科学计算

最新推荐文章于 2024-01-16 13:34:11 发布
最新推荐文章于 2024-01-16 13:34:11 发布
阅读量726 收藏 1
点赞数
分类专栏： Python/Ruby
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013177568/article/details/62432805
版权
本文详细介绍了Python的Scipy库在科学计算中的应用，包括文件输入/输出、特殊函数、线性代数、快速傅里叶变换、优化和拟合、统计和随机数、插值、数值积分、信号处理以及图像处理等多个方面，提供了丰富的示例和代码，展示了Scipy在数据分析和处理中的强大功能。
摘要由CSDN通过智能技术生成

Scipy:高端科学计算

作者：Adrien Chauve, Andre Espaze, Emmanuelle Gouillart, Ga?l Varoquaux, Ralf Gommers

翻译自：scipy lecture notes

译者表示最后部分没怎么看懂，此文档维护中……

Scipy

scipy包包含致力于科学计算中常见问题的各个工具箱。它的不同子模块相应于不同的应用。像插值，积分，优化，图像处理，，特殊函数等等。

scipy可以与其它标准科学计算程序库进行比较，比如GSL(GNU C或C++科学计算库)，或者Matlab工具箱。scipy是Python中科学计算程序的核心包;它用于有效地计算numpy矩阵，来让numpy和scipy协同工作。

在实现一个程序之前，值得检查下所需的数据处理方式是否已经在scipy中存在了。作为非专业程序员，科学家总是喜欢重新发明造轮子，导致了充满漏洞的，未经优化的，很难分享和维护的代码。相反，Scipy程序经过优化和测试，因此应该尽可能使用。

目录

警告：这个教程离真正的数值计算介绍很远。因为枚举scipy中不同的子模块和函数非常无聊，我们集中精力代之以几个例子来给出如何使用`scipy`进行计算的大致思想。

scipy 由一些特定功能的子模块组成：

模块 功能
scipy.cluster 矢量量化 / K-均值
scipy.constants 物理和数学常数
scipy.fftpack 傅里叶变换
scipy.integrate 积分程序
scipy.interpolate 插值
scipy.io 数据输入输出
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 任何特殊数学函数
scipy.stats 统计

它们全依赖numpy,但是每个之间基本独立。导入Numpy和这些scipy模块的标准方式是： 

import numpy as np
from scipy import stats  # 其它子模块相同

主scipy命名空间大多包含真正的numpy函数(尝试 scipy.cos 就是 np.cos)。这些仅仅是由于历史原因，通常没有理由在你的代码中使用import scipy

文件输入/输出：scipy.io

  • 导入和保存matlab文件: 

     In [1]: from scipy import io as spio
    
  In [3]: import numpy as np
    
  In [4]: a = np.ones((3, 3))
    
  In [5]: spio.savemat('file.mat', {'a': a}) # savemat expects a dictionary
  /usr/lib/python2.7/site-packages/scipy/io/matlab/mio.py:266: FutureWarning: Using oned_as default value ('column') This will change to 'row' in future versions
    oned_as=oned_as)
    
  In [6]: data = spio.loadmat('file.mat', struct_as_record=True)
    
  In [7]: data['a']
  Out[7]: 
  array([[ 1.,  1.,  1.],
         [ 1.,  1.,  1.],
         [ 1.,  1.,  1.]])

  • 读取图片： 

     In [16]: from scipy import misc
    
  In [17]: misc.imread('scikit.png')
  Out[17]: 
  array([[[255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          ..., 
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255]],
    
         [[255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          ..., 
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255]],
    
         [[255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          ..., 
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255]],
    
         ..., 
         [[255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          ..., 
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255]],
    
         [[255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          ..., 
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255]],
    
         [[255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          ..., 
          [255, 255, 255, 255],
          [255, 255, 255, 255],
          [255, 255, 255, 255]]], dtype=uint8)
    
  In [18]: import matplotlib.pyplot as plt
    
  In [19]: plt.imread('scikit.png')
  Out[19]: 
  array([[[ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          ..., 
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.]],
    
         [[ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          ..., 
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.]],
    
         [[ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          ..., 
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.]],
    
         ..., 
         [[ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          ..., 
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.]],
    
         [[ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          ..., 
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.]],
    
         [[ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          ..., 
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.],
          [ 1.,  1.,  1.,  1.]]], dtype=float32)

参见：

  • 载入txt文件：numpy.loadtxt()/numpy.savetxt()
  • 智能导入文本/csv文件：numpy.genfromtxt()/numpy.recfromcsv()
  • 高速，有效率但numpy特有的二进制格式：numpy.save()/numpy.load()

特殊函数：scipy.special

特殊函数是先验函数。scipy.special的文档字符串写得非常好，所以我们不在这里列出所有函数。常用的有：

  • 贝塞尔函数，如scipy.special.jn()(整数n阶贝塞尔函数)
  • 椭圆函数(scipy.special.ellipj()雅可比椭圆函数，……)
  • 伽马函数：scipy.special.gamma()，还要注意scipy.special.gammaln,这个函数给出对数坐标的伽马函数，因此有更高的数值精度。

线性代数运算：scipy.linalg

scipy.linalg模块提供标准线性代数运算，依赖于底层有效率的实现(BLAS，LAPACK)。

  • scipy.linalg.det()函数计算方阵的行列式： 

     In [22]: from scipy import linalg
    
  In [23]: arr = np.array([[1, 2],
     ....:                [3, 4]])
    
  In [24]: linalg.det(arr)
  Out[24]: -2.0
    
  In [25]: linalg.det(np.ones((3,4)))
  ---------------------------------------------------------------------------
  ValueError                                Traceback (most recent call last)
  
   
   
    
     in 
    
    
     
     ()
  ----> 1 linalg.det(np.ones((3,4)))
    
  /usr/lib/python2.7/site-packages/scipy/linalg/basic.pyc in det(a, overwrite_a)
      398     a1 = np.asarray_chkfinite(a)
      399     if len(a1.shape) != 2 or a1.shape[0] != a1.shape[1]:
  --> 400         raise ValueError('expected square matrix')
      401     overwrite_a = overwrite_a or _datacopied(a1, a)
      402     fdet, = get_flinalg_funcs(('det',), (a1,))
    
  ValueError: expected square matrix
最低0.47元/天 解锁文章
刘一痕
关注
专栏目录
【python数据挖掘课程】十四.Scipy调用curve_fit实现曲线拟合
杨秀璋的专栏
05-07 4万+
前面系列文章讲过各种知识，包括绘制曲线、散点图、幂分布等，而如何在在散点图一堆点中拟合一条直线，也变得非常重要。这篇文章主要讲述调用Scipy扩展包的curve_fit函数实现曲线拟合，同时计算出拟合的函数、参数等。希望文章对你有所帮助，如果文章中存在错误或不足之处，还请海涵~
Scipy资料
wg95272003的专栏
06-01 2524
Scipy:高端科学计算 作者：Adrien Chauve, Andre Espaze, Emmanuelle Gouillart, Ga?l Varoquaux, Ralf Gommers 翻译自：scipy lecture notes 译者表示最后部分没怎么看懂，此文档维护中…… Scipy scipy包包含致力于科学计算中常见问题的各个工具箱。它的不
scipy最优化
KPer_Yang的博客
11-04 2214
学习scipy求解最优化问题
使用Scipy进行函数优化
Together_CZ的博客
02-08 5974
【翻译自 ： Function Optimization With SciPy】 【说明：Jason BrownleePhD大神的文章个人很喜欢，所以闲暇时间里会做一点翻译和学习实践的工作，这里是相应工作的实践记录，希望能帮到有需要的人！】 优化涉及寻找目标函数的输入，从而导致函数的最小或最大输出。 用于科学计算的开源Python库SciPy提供了一组优化算法。许多算法被用作其他算法的构建块，最著名的是scikit...
用scipy解决最优化问题
qunsorber的博客
01-22 790
题目：已知x+ y+ z= 1，求 x + y + z 的最小值这个问题相当于在约束条件下的极值问题的求解，在高等数学里，通用的方法是用拉格朗日乘子，通过求导的方式解决，这里使用scipy中的optimize模块来解决这个问题。结果输出与期望输出一致。
【数据分析与可视化】Scipy中的优化、数据拟合及稀疏矩阵处理（超详细 附源码）
showswoller的博客
01-17 1033
【数据分析与可视化】Scipy中的优化、数据拟合及稀疏矩阵处理（超详细 附源码）
python的scipy
07-28
- *1* *3* [Scipy:高端科学计算](https://blog.csdn.net/zt_706/article/details/11476175)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc...
Python基于scipy实现信号滤波功能
09-19
Scipy库是Python科学计算的核心库之一，提供了丰富的滤波器设计和信号处理工具。本文将详细介绍如何利用scipy模块实现不同类型的滤波器，包括低通、高通、带通和带阻滤波。 首先，信号滤波的目标是去除信号中不想要...
python中scipy库的导入与函数调用方法_【python数据挖掘课程】十四.Scipy调用curve...
weixin_42536863的博客
01-14 1508
前面系列文章讲过各种知识，包括绘制曲线、散点图、幂分布等，而如何在在散点图一堆点中拟合一条直线，也变得非常重要。这篇文章主要讲述调用Scipy扩展包的curve_fit函数实现曲线拟合，同时计算出拟合的函数、参数等。希望文章对你有所帮助，如果文章中存在错误或不足之处，还请海涵~一. Scipy介绍SciPy (pronounced "Sigh Pie") 是一个开源的数学、科学和工程计算包。它是一...
遗传算法求解多元函数最值源程序
12-29
遗传算法入门程序，求解一个六峰驼背函数的最小值，绝对经典
拓展进阶：Python 中 Scipy 的优化与拟合
theskylife的博客
12-16 2289
在我们的Python科学计算之旅中，我们已经学习了Scipy库的基础功能，涉及数学运算、数据处理、统计分析等方面。然而，在实际的数据分析和科学研究中，我们经常面临着需要进一步优化算法和拟合数据的需求。本文将深入研究Scipy中的优化与拟合功能，探讨如何在实际问题中应用这些高级功能。
Python中优化模块scipy.optimize的优化算法介绍
最新发布
Pandas120的博客
01-16 1765
如果你有一个特殊的优化问题，你可以使用对象来自定义问题的求解。# 自定义目标函数# 自定义优化问题custom_problem.fun = custom_objective_function # 目标函数custom_problem.x = [1, 1] # 初始猜测# 执行优化# 打印结果在上述例子中，我们自定义了一个对象，并指定了目标函数和初始猜测，然后使用minimize函数进行求解。Scipy的优化模块提供了丰富的功能，适用于各种优化问题。
python科学计算库-Scipy，主要讲解优化，方程求解，积分，蒙特卡洛，插值计算
weixin_39490300的博客
03-21 3803
python科学计算库-Scipy，主要讲解优化，方程求解，积分，蒙特卡洛，插值计算
转载-scipy求有约束优化问题
NananaJ的博客
05-04 460
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/qq_39575835/article/details/101173969 ———————————————— 问题 针对于有约束问题 python的scipy库给出了Sequential Least SQuares Programming (SLSQP) Algorithm。 实例 SLSQP解决模板 对于下面的问题： >&gt
scipy使用python寻找时间序列的极大值（局部最大值）或极小值（局部最小值），极值点
热门推荐
千行百行的博客
03-20 1万+
讲道理不如举例子，下边结合代码快速说明如何求极值 >>> from scipy.signal import argrelextrema >>> x = np.array([2, 1, 2, 3, 2, 0, 1, 0]) >>> argrelextrema(x, np.greater) (array([3, 6]),) 上边的代码是什么意思呢？下边绘图说明一下。运行如下代码，得到下边的图片： import matplotlib.pyplot as pl
Scipy
山中有石为玉
06-29 900
参考文章：https://www.jianshu.com/p/1a3db06e786d scipy包含致力于科学计算中常见问题的各个工具箱。它的不同子模块相应于不同的应用。像插值，积分，优化，图像处理，统计，特殊函数等等。 scipy可以与其它标准科学计算程序库进行比较，比如GSL(GNU C或C++科学计算库)，或者Matlab工具箱。scipy是Python中科学计算程序的核心包; 它用于...
scipy.ndimage—图像操作
Vic_Hao的博客
04-18 4166
旋转 函数定义 scipy.ndimage.rotate(input, #array--输入多维矩阵 angle, #float--旋转角度，以度为单位 axes=(1, 0), #tuple of 2 int--两个轴定义旋转平面，默认前两个轴 reshape=True, #bool--如果reshape为true, 则...
【数据分析day05】滤镜 & scipy处理图片（含三种降噪：高斯滤波，中值滤波，维纳滤波）
HFZeng的博客
11-23 1439
滤镜 & scipy处理图片（含三种降噪：高斯滤波，中值滤波，维纳滤波）滤镜scipy处理图片移动坐标：ndimage.shift旋转图片：rotate缩放图片：zoom切割图片：切片过滤 （降噪）添加噪点：降噪（三种）高斯滤波中值滤波维纳滤波 滤镜 导包： from PIL import Image, ImageFilter 读取图片 cat = Image.open('../data...
掌握SciPy：科学计算的高级技术
"Mastering SciPy 是一本英文版的科学计算技术书籍，由Francisco J. Blanco-Silva撰写，由BIRMINGHAM-MUMBAI的Packt Publishing出版。本书旨在帮助读者掌握使用SciPy栈实现尖端的可视化技术来解决科学计算中的复杂...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值