- Python資料科學教程
- Python資料科學 - 首頁
- Python資料科學 - 開始
- Python資料科學 - 環境設定
- Python資料科學 - Pandas
- Python資料科學 - NumPy
- Python資料科學 - SciPy
- Python資料科學 - Matplotlib
- Python資料處理
- Python資料操作
- Python資料清洗
- Python處理CSV資料
- Python處理JSON資料
- Python處理XLS資料
- Python關係資料庫
- Python NoSQL資料庫
- Python日期和時間
- Python資料整理
- Python資料聚合
- Python讀取HTML頁面
- Python處理非結構化資料
- Python分詞
- Python詞幹提取和詞形還原
- Python資料視覺化
- Python圖表屬性
- Python圖表樣式
- Python箱線圖
- Python熱力圖
- Python散點圖
- Python氣泡圖
- Python 3D圖表
- Python時間序列
- Python地理資料
- Python圖資料
Python資料科學 - SciPy
什麼是SciPy?
Python 的 SciPy 庫是基於 NumPy 陣列構建的,它提供了許多使用者友好且高效的數值計算方法,例如數值積分和最佳化的例程。它們共同執行在所有流行的作業系統上,安裝快速且免費。NumPy 和 SciPy 易於使用,但功能強大,足以被世界上一些領先的科學家和工程師所依賴。
SciPy 子包
SciPy 被組織成涵蓋不同科學計算領域的子包。這些在下面的表格中進行了總結:
| scipy.constants | 物理和數學常數 |
| scipy.fftpack | 傅立葉變換 |
| scipy.integrate | 積分例程 |
| scipy.interpolate | 插值 |
| scipy.io | 資料輸入和輸出 |
| scipy.linalg | 線性代數例程 |
| scipy.optimize | 最佳化 |
| scipy.signal | 訊號處理 |
| scipy.sparse | 稀疏矩陣 |
| scipy.spatial | 空間資料結構和演算法 |
| scipy.special | 任何特殊的數學函式 |
| scipy.stats | 統計 |
資料結構
SciPy 使用的基本資料結構是由 NumPy 模組提供的多維陣列。NumPy 提供了一些用於線性代數、傅立葉變換和隨機數生成的函式,但其通用性不如 SciPy 中的等效函式。
我們將在接下來的章節中看到許多關於在資料科學工作中使用 Python SciPy 庫的示例。
廣告