文章目录1概要2常数模块3优化器4稀疏矩阵5图表结构6空间数据
1配置文件
Scipy是一个基于Numpy的科学计算库，用于数学、科学、工程等领域，有许多高级抽象和物理模型需要使用Scipy。 SciPy包含的模块有优化、线性代数、积分、插值、特殊函数、快速傅立叶变换、信号处理和图像处理、常微分方程求解以及其他科学和工程中常用的计算。
使用前必须正确安装scipy模块。 我在使用anaconda的Jupyter笔记本。 由于内置了scipy，所以不需要再安装。 示例代码如下：
fromscipydcsortconstantsprint (constants.acre )输出1英亩为多少平方米，4046.8564223999992以下列出了scipy中常用的模块。
模块名称功能scipy.cluster矢量量化scipy.constants数学常数scipy.fft快速傅立叶变换scipy.integrate积分scipy.interpolate插值scipy.io数据输入/输出scipy.fft 正交距离回归scipy.optimize优化算法scipy.signal信号处理scipy.sparse稀疏矩阵scipy.spatial空间数据结构与算法scipy.special特殊数学函数scipy/stats统计函数2
小于或等于fromscipydcsortconstantsconstants.pi 3.141592653589793的实例输出黄金比例。
constants.golden 1.618033988749895若要确定constants模块中包含的常量，请使用dir ()函数。
DIR(constants ) ) ['Avogadro，) Boltzmann，(Btu，) Btu_IT，(Btu_th，) ConstantWarning，(g，) JT ' Stefan ' __doc__ '__spec__ '、' _obsolete_constants '、' acre '、' alpha '、' angstrom '、' arcmin '、' ' bbl '、' blob '、' c '、' calorie '、' bbl '、' blob '、' c '、' calorie '、' constants '、' convert _ ' dyn '、' elementary_charge '、' epsilon_0'、' erg '、' exa '、' exbi '、' femto '、' fermi '、'、' find ' ' gallon_dcs '、' gas_constant '、' gibi bit ' ' gravitational _ constant '、h '、hbar '、hectare '、hecto '、hororor inch' 「knot、lambda2nu、lb、lbf、light_year、liter、litre、long_ton、m_e
'mu_0', 'nano', 'nautical_mile', 'neutron_mass', 'nu2lambda', 'ounce', 'oz', 'parsec', 'pebi', 'peta', 'physical_constants', 'pi', 'pico', 'point', 'pound', 'pound_force', 'precision', 'proton_mass', 'psi', 'pt', 'short_ton', 'sigma', 'slinch', 'slug', 'speed_of_light', 'speed_of_sound', 'stone', 'survey_foot', 'survey_mile', 'tebi', 'tera', 'test', 'ton_TNT', 'torr', 'troy_ounce', 'troy_pound', 'u', 'unit', 'value', 'week', 'yard', 'year', 'yobi', 'yotta', 'zebi', 'zepto', 'zero_Celsius', 'zetta']常量模块包含以下几种单位：公制单位，二进制，以字节为单位，质量单位，角度换算，时间单位，长度单位，压强单位，体积单位，速度单位，温度单位，能量单位，功率单位，力学单位等。
国际单位制词头：(英语：SI prefix)表示单位的倍数和分数，目前有20个词头，大多数是千的整数次幂。如：
kilo103deci10-1micro10-6centi10-2>>> constants.kilo1000.0>>> constants.deci0.1>>> constants.micro1e-06>>> constants.centi0.01二进制前缀：返回字节单位。如：
kibi210mebi220gibi230>>> constants.kibi1024>>> constants.mebi1048576质量单位：返回多少千克kg。如：
>>> constants.gram #1克0.001>>> constants.metric_ton #1吨1000.0>>> constants.pound #1磅0.45359236999999997角度单位：返回弧度。
>>> constants.degree #π/1800.017453292519943295时间单位：返回秒数。
>>> constants.minute60.0>>> constants.hour3600.0长度单位：返回米数。
>>> constants.inch #英寸0.0254>>> constants.mile #英里1609.3439999999998面积单位：返回多少平方米，平方米是面积的公制单位，其定义是：在一平面上，边长为一米的正方形之面积。
>>> constants.acre #英亩4046.8564223999992>>> constants.hectare #公顷10000.0体积单位：返回多少立方米，立方米是容量计量单位，1立方米的容量相当于一个长、宽、高都等于1米的立方体的体积。
>>> constants.gallon #加仑0.0037854117839999997速度单位：返回每秒多少米。 #音速
>>> constants.speed_of_sound340.5 3 优化器SciPy的optimize模块提供了常用的最优化算法函数实现，可以直接调用这些函数完成某些优化问题，比如查找函数的最小值或方程的根等。NumPy能够找到多项式和线性方程的根，但它无法找到非线性方程的根，如x+cos(x)。可以使用SciPy的optimze.root函数，这个函数需要两个参数：
fun-表示方程的函数。x0-根的初始猜测。该函数返回一个对象，其中包含有关解决方案的信息。实际解决方案在返回对象的属性x，查看如下实例，查找x+cos(x)方程的根：
>>> from scipy.optimize dcsort root>>> from math dcsort cos>>> def eqn(x):... return x+cos(x)...>>> myroot=root(eqn,0)>>> myroot.xarray([-0.73908513])>>> myroot fjac: array([[-1.]]) fun: array([0.]) message: 'The solution converged.' nfev: 9 qtf: array([-2.66786593e-13]) r: array([-1.67361202]) status: 1 success: True x: array([-0.73908513])可以使用scipy.optimize.minimize()函数来最小化函数，这里不详细介绍，请看这里。
4 稀疏矩阵稀疏矩阵(英语：sparse matrix)指的是在数值分析中绝大多数数值为零的矩阵。反之，如果大部分元素都非零，则这个矩阵是稠密的(Dense)。
上述稀疏矩阵仅包含9个非零元素，另外包含26个零元。SciPy的scipy.sparse模块提供了处理稀疏矩阵的函数。主要使用以下两种类型的稀疏矩阵：
本节主要使用CSR矩阵。通过向scipy.sparse.csr_matrix()函数传递数组来创建一个CSR矩阵：
>>> dcsort numpy as np>>> from scipy.sparse dcsort csr_matrix>>> arr=np.array([0,0,0,0,0,1,1,0,2])>>> print(csr_matrix(arr)) (0, 5) 1 (0, 6) 1 (0, 8) 2结果解析：
第一行：在矩阵第一行（索引值0）第六（索引值5）个位置有一个数值1。
第二行：在矩阵第一行（索引值0）第七（索引值6）个位置有一个数值1。
第三行：在矩阵第一行（索引值0）第九（索引值8）个位置有一个数值2。
用data属性查看存储的数据（不含0元素）：
>>> arr=np.array([[0,0,0],[0,0,1],[1,0,2]])>>> arrarray([[0, 0, 0], [0, 0, 1], [1, 0, 2]])>>> csr_matrix(arr).dataarray([1, 1, 2], dtype=int32)用count_nonzero()方法计算非0元素的总数：
>>> arr=np.array([[0,0,0],[0,0,1],[1,0,2]])>>> csr_matrix(arr).count_nonzero()3 5 图结构图是各种关系的节点和边的集合，节点是与对象对应的顶点，边是对象之间的连接。SciPy提供了scipy.sparse.csgraph模块来处理图结构。
用scipy模块可以对图使用：
1、dijkstra最短路径算法；
2、floyd算法；
3、bellman ford算法；
4、dfs、bfs算法等图算法。
这里不详细介绍，请看这里。
6 空间数据空间数据又称几何数据，它用来表示物体的位置、形态、大小分布等各方面的信息，比如坐标上的点。SciPy通过scipy.spatial模块处理空间数据，比如判断一个点是否在边界内、计算给定点周围距离最近点以及给定距离内的所有点。
这里不详细介绍，请看这里。
还有【matlab数组】、【插值】、【显著性检验】，估计用不到，就不整理了。
END