python科学计算和数据科学应用pdf_【Nature Methods 】SciPy 1.0:Python科学计算的基本算法...

       SciPy是Python编程语言的一个数学程序库，它为建模和解决科学问题提供了构建块。SciPy包括优化、积分、插值、特征值问题、代数方程、微分方程和许多其他类问题的算法；它还提供特殊的数据结构，如稀疏矩阵和k-维树。SciPy是建立在NUMPY之上的，它提供了array数据结构和相关的快速的数学程序，而SciPy本身就是构建更高级别的科学库的基础，包括scikit-learn和scikit-image。在这篇文章中，我们概述了SciPy 1.0的功能和开发实践，并重点介绍了最近的一些技术进展。

    截至2019年2月，SciPy库包含将近600,000行开源代码，这些代码按图1汇总的16个子包进行组织。开发团队和社区目前主要在GitHub上进行交互和操作，这是一个在线版本控制和任务管理平台。超过110,000个GitHub存储库和6,500个软件包依赖SciPy。

图1：SciPy包组织

    一、架构和实现

    1.1 项目范围

    SciPy提供了用于科学计算的基本算法。在发展相对较缓慢的领域，SciPy旨在提供完整的覆盖范围。在其他领域，SciPy的目的是提供基本的构建块，同时与该领域的其他包进行良好的交互。例如，SciPy提供了概率分布，假设检验，频率统计，相关函数等，而Statsmodels提供了更高级的统计估计量和推断方法，scikit- learn3涵盖了机器学习，而PyMC3，emcee和PyStan  (http://mc-stan.org) 涵盖了贝叶斯统计和概率建模。scikit-image4提供了比SciPy的ndimage模块更加优秀的的图像处理功能，SymPy提供了用于符号计算的Python交互界面，而sparse. csgraph和spatial与诸如NetworkX之类的专用库相比提供了与图形和网络一起使用的基本工具。

    我们使用以下标准来确定是否要在SciPy中加入新特征：

     •该算法与多个科学领域相关。

     •该算法非常重要。例如，它足够经典，可以包含在教科书中，或者基于经过大量同行引用的同行评审文章。

    在软件系统和体系结构方面，SciPy的范围与NumPy的范围相匹配。

    1.2 语言选择

    根据linguist库 (https://github.com /github/linguist) 的分析，SciPy大约是Python占50％，Fortran占25％，C占20％，Cython占3％和C ++占2％，以及少量的TeX， Matlab，shell 脚本和Make。

    尽管Fortran已有很长的历史，但它仍然是一种高性能的科学编程语言。因此，我们包装了以下出色的且经过实测的Fortran库，以在为Python带来便利的同时提高性能：QUADPACK和ODEPACK用于数值积分和初值问题的解决；FITPACK，ODRPACK和MINPACK用于曲线拟合和最小二乘最小化；FFTPACK用于执行傅立叶变换；ARPACK用于解决特征值问题；用于计