Scipy

前段时间写了两个系列文章，分别介绍了Python中的两个重要的科学计算的库Numpy和Scipy。从系列的文章中，可以看出，它们都提供了强大的数值计算功能，而且很多地方看着似乎是重复的。 其实这两个库

scipy.stats子模块包含大量的概率分布、汇总和频率统计、相关函数和统计测试、掩蔽统计、核密度估计、准蒙特卡罗功能等等。 这个子模块可以帮助我们描述和分析数据，进行假设检验和拟合统计模型等。 1

scipy.spatial子模块提供了一系列用于处理和计算空间数据和几何形状的算法和工具，在许多领域都有广泛的应用，例如计算机视觉、地理信息系统、机器人学、医学影像分析等。 下面，来具体看看scipy

稀疏矩阵是一种特殊的矩阵，其非零元素数目远远少于零元素数目，并且非零元素分布没有规律。这种矩阵在实际应用中经常出现，例如在物理学、图形学和网络通信等领域。 稀疏矩阵其实也可以和一般的矩阵一样处理，之所

scipy.signal模块主要用于处理和分析信号。它提供了大量的函数和方法，用于滤波、卷积、傅里叶变换、噪声生成、周期检测、谱分析等信号处理任务。 此模块的主要作用是提供一套完整的信号处理工具，从而

SciPy库的optimize模块主要用于执行各种优化任务。优化是寻找特定函数的最小值或最大值的过程，通常用于机器学习、数据分析、工程和其他领域。 scipy.optimize提供了多种优化算法，包括

Scipy的ODR正交距离回归（ODR-Orthogonal Distance Regression）模块，适用于回归分析时，因变量和自变量之间存在非线性关系的情况。它提高了回归分析的准确性和稳健性。

SciPy库本身是针对科学计算而不是图像处理的，只是图像处理也包含了很多数学计算，所以Scipy也提供了一个专门的模块ndimage用于图像处理。 ndimage模块提供的功能包括输入/输出图像、显示

SciPy的linalg模块是SciPy库中的一个子模块，它提供了许多用于线性代数运算的函数和工具，如矩阵求逆、特征值、行列式、线性方程组求解等。 相比于NumPy的linalg模块，SciPy的li

插值运算是一种数据处理方法，主要用来填补数据之间的空白或缺失值。因为在实际应用中，数据往往不是完整的，而是存在着空白或缺失值，这些空白或缺失值可能是由于数据采集困难、数据丢失或数据处理错误等原因造成的

对于手工计算来说，积分计算是非常困难的，对于一些简单的函数，我们可以直接通过已知的积分公式来求解，但在更多的情况下，原函数并没有简单的表达式，因此确定积分的反函数变得非常困难。 另外，相对于微分运算来

傅里叶变换是一种数学变换，它可以将一个函数或信号转换为另一个函数或信号，它可以将时域信号转换为频域信号，也可以将频域信号转换为时域信号。在很多的领域都有广泛的应用，例如信号处理、通信、图像处理、计算机

物以类聚，聚类算法使用最优化的算法来计算数据点之间的距离，并将它们分组到最近的簇中。 Scipy的聚类模块中，进一步分为两个聚类子模块： vq（vector quantization）：提供了一种基于

Scipy库是Python生态系统中一个隐藏的高手，实力强大，历史悠久，却不那么为人熟知。其实，它早就在数学和科学计算领域广泛使用，正是由于其专业性比较强，所以不像pandas，numpy等库那么广为