8.1 SciPy概述

8.1.1 初识SciPy

SciPy是在Python的NumPy扩展上构建的一组数学算法和方便的函数。它通过为用户提供高级命令和类来操作和可视化数据，为交互式Python会话添加了强大的功能。使用SciPy，交互式Python会话将成为一个数据处理和系统原型化环境，可以与MATLAB、IDL、Octave、R-Lab和SciLab等系统相媲美。

基于Python的SciPy的另一个好处是，它还使一种强大的编程语言可用来开发复杂的程序和专门的应用程序。使用SciPy的科学应用程序得益于世界各地开发人员在软件领域的许多利基中开发的附加模块。从并行编程到web和数据库子例程和类，Python程序员都可以使用所有东西。除了SciPy中的数学库之外，所有这些功能都是可用的。

本教程将使初次使用SciPy的用户了解它的一些最重要的特性。它假设用户已经安装了SciPy包。还假设了一些通用的Python工具，比如可以通过Python发行版的教程获得。要获得进一步的介绍性帮助，请访问NumPy文档。

SciPy被组织成包含不同科学计算领域的子包，如表【】所示

表8.1 SciPy子包

子包	描述
cluster	聚类算法
constants	物理与数学常量
fftpack	快速傅里叶变换例程
integrate	积分
interpolate	插值
io	输入输出
linalg	线性代数
ndimage	N维图项处理
odr	正交距离回归
optimize	优化与根查找例程
signal	信号处理
sparse	稀疏矩阵
spatial	数据结果与算法
special	特殊函数
stats	统计分布与函数

我们在本章对具有代表性的的special，integrate，interpolate，optimize，linalg，stats子包中的部分内容进行讲解。

8.1.2 安装SciPy

我们可以使用Conda命令或者pip命令对SymPy进行安装：

conda install SciPy

pip instal sympy

安装完成，即可使用普通模块导入方法，对SciPy库进行导入

import scipy

为了简洁和方便，我们通常假设主包(numpy、scipy和matplotlib已被导入为:

import numpy as np

import matplotlib as mpl

这些是我们社区在讨论了公共邮件列表之后采用的导入约定。您将在NumPy和SciPy源代码和文档中看到这些约定。虽然我们显然不要求您在自己的代码中遵循这些约定，但强烈建议您这样做。