Referenzseite: [Einführung in Python] Grundlegende Verwendung der Bibliothek scipy, die Sie unbedingt kennen müssen
Es gibt viele nützliche Bibliotheken in Python, und scipy ist eine davon. scipy ist eine Bibliothek zur Durchführung fortgeschrittener wissenschaftlicher Berechnungen. In einer ähnlichen Bibliothek gibt es Numpy, aber Scipy kann Array- und Matrixoperationen ausführen, die mit Numpy ausgeführt werden können, und kann auch Berechnungen wie Signalverarbeitung und Statistik ausführen.
Dieses Mal werde ich die grundlegende Verwendung von scipy erklären.
Inhaltsverzeichnis 1 Installieren Sie scipy 1.1 numpy installieren 1.2 scipy installieren 2 Verwenden Sie scipy 2.1 Integration 2.2 Matrixbetrieb
Sie benötigen numpy, um scipy verwenden zu können. Installieren Sie also zuerst numpy.
Dann installiere scipy. scipy kann mit dem Befehl pip installiert werden.
pip install scipy
Wenn Sie nicht mit pip installieren können, laden Sie Scipy von der folgenden Seite herunter und installieren Sie die heruntergeladene Datei mit dem Befehl pip.
http://www.lfd.uci.edu/~gohlke/pythonlibs/
Befehl pip
pip installiert den Pfad der gerade heruntergeladenen Datei
Es gibt verschiedene Versionen von scipy. Laden Sie daher die Version herunter, die zu Ihrem Python oder Betriebssystem passt. Beispielsweise ist die Datei "scipy-0.18.1-cp36-cp36m-win_amd64.whl" für Python3.6, 64-Bit-Windows.
Nach der Installation von scipy verwenden wir es sofort. Scipy hat jedoch so viele Funktionen, dass ich nicht alle abdecken kann. Hier sind nur einige der am häufigsten verwendeten Funktionen.
Wenn Sie scipy verwenden, können Sie die Funktion einfach integrieren (ständige Integration). Verwenden Sie quad () im Modul scipy.integrate, um die Integration durchzuführen.
from scipy import integrate #Muss erforderlich sein
Variable 1,Variable 2= integrate.quad(Funktion,Beginn des Integrationsintervalls,Ende des Integrationsintervalls)
quad () integriert die angegebene Funktion am Anfang des Intervalls, am Ende des Intervalls, konstant und gibt zwei Werte zurück. Das Ergebnis der Integration wird in Variable 1 zurückgegeben, und der Fehler in der Integrationsberechnung wird in Variable 2 zurückgegeben.
from scipy import integrate
#2x+Repräsentiert 5
def func(x):
return 2*x + 5
result, err = integrate.quad(func, 0, 5)
print('Integrationsergebnis:{0}\n Fehler:{1}'.format(result, err))
Ausführungsergebnis
Integrationsergebnis: 50.0 Fehler: 5.551115123125783e-13
Da es schwierig ist, werde ich es hier weglassen, aber es ist möglich, nicht nur eine konstante Integration durchzuführen, sondern auch fortgeschrittene Operationen wie zweidimensionale Integration und Differentialgleichungen.
Sie können Matrixoperationen mit numpy ausführen, aber Sie können scipy für erweiterte Operationen verwenden. Verwenden Sie für Matrixoperationen scipy.linalg, das die Funktionen für die lineare Algebra zusammenfasst.
rom scipy import linalg
import numpy as np #Verwenden Sie numpy
narray = np.array([[1, 2], [3, 4]]) #Darstellung einer Matrix mit numpy Array
inv_narray = linalg.inv(narray)
print('Inverse von Narray:\n{}\n'.format(inv_narray))
result_det = linalg.det(inv_narray)
print('inv_Narray-Matrix-Ausdruck:{}\n'.format(result_det))
inv_narray_norm = linalg.norm(inv_narray)
print('inv_Narray Norm:{}'.format(inv_narray_norm))
Ausführungsergebnis
Inverse von Narray: [[-2. 1. ] [ 1.5 -0.5]] Inv_narray-Matrixausdruck: -0,49999999999999967 Inv_narray-Norm: 2.73861278752583
Darüber hinaus kann scipy problemlos fortgeschrittene wissenschaftliche Berechnungen wie Signalverarbeitung, Bildanalyse, statistische Verarbeitung und Fourier-Transformation durchführen. Die Anzahl ist riesig und kann hier nicht erklärt werden. Wenn Sie also mehr scipy verwenden möchten, lesen Sie bitte die offizielle Dokumentation. Offizielles Dokument
empfohlene Artikel ➡ Reputation von Python-Büchern und Nachschlagewerken ➡ Ein Muss für alle, die Python lernen möchten! 5 Zusammenfassung der empfohlenen Schulen