参考文档补充原本的文档:
https://www.cnblogs.com/mrchige/p/6504324.html
一:原本的简单介绍
1.Scipy库
Scipy库是基于python生态的一款开源数值计算,科学与工程应用的开源软件,包括常用的NumPy,pandas,matplotlib等库。
https://www.scipy.org/:
2.介绍
SciPy是一款方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等.
SciPy科学计算工具集,而不是完整的包含NumPy、Matplotlib的SciPy技术栈。
Scipy库构建于NumPy之上,提供了一个用于在Python中进行科学计算的工具集,如数值计算的算法和一些功能函数,可以方便的处理数据。主要包含以下内容
- 特殊函数 (scipy.special)
- 积分 (scipy.integrate)
- 最优化 (scipy.optimize)
- 插值 (scipy.interpolate)
- 傅立叶变换 (scipy.fftpack)
- 信号处理 (scipy.signal)
- 线性代数 (scipy.linalg)
- 稀疏特征值 (scipy.sparse)
- 统计 (scipy.stats)
- 多维图像处理 (scipy.ndimage)
- 文件 IO (scipy.io)
二:实验Scipy(主要来源于文档)
1.环境
使用Spyder
2.特定函数
# -*- coding: utf-8 -*-
from numpy import *
from scipy import * from scipy.special import jn, yn, jn_zeros, yn_zeros
import matplotlib.pyplot as plt n = 0 # order
x = 0.0 # Bessel function of first kind
print "J_%d(%f) = %f" % (n, x, jn(n, x)) x = 1.0
# Bessel function of second kind
print "Y_%d(%f) = %f" % (n, x, yn(n, x)) x = linspace(0, 10, 100) fig, ax = plt.subplots() for n in range(4):
ax.plot(x, jn(n, x), label=r"$J_%d(x)$" % n)
ax.legend(); fig
3.效果