【python-NOJ-季总结】—【第九季：Scipy库】—矩阵压缩，插值，数值积分

本章主要介绍scipy库的相关知识。

比如矩阵的压缩（csr_matrix）有两种创建方式，数值积分（integrate定积分），插值等功能。

scipy库可以进行插值，积分，求解微分方程，拟合与优化等。

目录

1. 矩阵压缩成稀疏矩阵csr_matrix

2. 使用interpolate插值

3. 利用integrate计算积分

---

1. 矩阵压缩成稀疏矩阵csr_matrix

分为两种创建方式：

（1）三个参数为row，col和data三个一维数组；

（2）三个参数为indptr，data和indics三个一维数组；

第一种：
matrix=csr_matrix((data,(row,col)),shape=(3,3))
第二种：
matrix=csr_matrix((data,indices,indptr),shape=(3,3))

第一种示例：

from scipy.sparse import *
row=[0,2,1,0]
col=[0,1,1,2]
data=[4,2,3,6]
array=csr_matrix((data,(row,col)),shape=(3,3))
print(array)
print(array.toarray())

输出：
(0, 0)	4
(0, 2)	6
(1, 1)	3
(2, 1)	2
[[4 0 6]
 [0 3 0]
 [0 2 0]]

第二种实例：

 关于数据解释：

indptr参数：0表示默认起始点，0之后有几个数字就表示有几行数据。每一行的数据个数为后一个减去前一个的差值。第一个数字2表示第一行有2-0=2个数字，即1和2；第二行有3-2=1个数字，即3；第三行有6-3=3个数字，即4，5，6。

indices：表示 各个数据在各行的下标，也就是列的标号， 从该数据我们可以知道：数据1在某行的0位置处， 数据2在某行的2位置处，6在某行的2位置处。 显然，我们从indptr参数能得到行号。

2. 使用interpolate插值

此处使用两种插值方法：线性插值和三次样条插值。

其中新的x轴坐标都是自己设置的均匀个数坐标，y轴是根据函数生成的插值坐标。

import numpy as np
from scipy import interpolate

x=np.linspace(0,10*np.pi,num=20)
y=np.cos(x)

xnew=np.linspace(0,10*np.pi,num=500)

f1=interpolate.interp1d(x,y,kind='slinear') #线性插值
y1=f1(xnew)
# plt.plot(xnew,y1,'g')

ipo3=interpolate.splrep(x,y,k=3) # 三次样条插值
y2=interpolate.splev(xnew,ipo3)
# plt.plot(xnew,y2,'b')

3. 利用integrate计算积分

integrate模块提供了好几种数值积分的方法，包括：

• quad() - 一元定积分
• dblquad() - 二元定积分
• triquad() - 三元定积分
• odeint() - 计算常微分方程组的数值解

传入参数为函数和积分上下限，返回参数为积分结果（即面积）和误差。函数需要写一个def实现。

下面为计算一元积分的例子。

from scipy import integrate
def func(x):
    # print("x=",x)       #用于展示quad()函数对func的多次调用
    return x+1
area,err=integrate.quad(func,0,3)

具体可参考：Python求解数值积分-定积分求解 - 知乎 (zhihu.com)