1.Scipy介绍
Scipy是一组专门解决科学计算中各种标准问题域的包的集合。为python提供了矩阵的运算,还有功能:最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号和图像处理、常微分方程的求解等等,安装scipy之前必须安装numpy。
When SciPy is built using the optimized ATLAS LAPACK and BLAS libraries, it has very fast linear algebra capabilities.
If you dig deep enough, all of the raw lapack and blas libraries are available for your use for even more speed.
All of these linear algebra routines expect an object that can be converted into a 2-dimensional array. The output of these routines is also a two-dimensional array.
集大成智慧,我也是在学习,有所错误,望指教。
2.内容
2.1)SciPy中的数据结构
是Python原有数据结构。
- ndarray(N维数组)的扩展形式。
- Series(变长字典)
-DataFrame(数据框)
转载于:http://blog.sciencenet.cn/blog-3031432-1064017.html
SciPy是一组专门解决科学计算中各种标准问题域的包的集合,主要包括下面这些包:
scipy.integrate:数值积分例程和微分方程求解器。
scipy.linalg:扩展了由numpy.linalg提供的线性代数例程和矩阵分解功能。
scipy.optimize:函数优化器(最小化器)以及根查找算法。
scipy.signal:信号处理工具。
scipy.sparse:稀疏矩阵和稀疏线性系统求解器。
scipy.special:SPECFUN(这是一个实现了许多常用数学函数(如伽玛函数)的Fortran库)的包装器。
scipy.stats:标准连续和离散概率分布(如密度函数、采样器、连续分布函数等)、各种统计检验方法,以及更好的描述统计法。
scipy.weave:利用内联C++代码加速数组计算的工具。
NumPy跟SciPy的有机结合完全可以替代MATLAB的计算功能(包括其插件工具箱)。
2.2) 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)
1)scipy.linalg.det() 函数计算方阵的行列式:
过程 :1*4-2*3=-2
2)scipy.linalg.inv() 函数对矩阵求逆: