python基础代码让你了解Scipy

SciPy 是一个开源的 Python 算法库和数学工具，Scipy 是基于 Numpy 的科学计算库，用于数学、科学、工程学等领域，很多有一些高阶抽象和物理模型需要使用 Scipy。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

01 文件读写

目前在国内Matlab仍然非常流行，Matlab使用的数据格式通常是.mat文件。对此，Scipy.io包提供了可以导入导出.mat文件的接口，这样，Python和Matlab的协同工作就变得非常容易了。示例代码如下所示：

from scipy import io as spio
import numpy as np
a=np.arange(10)
spio.savemat('a.mat',{'a':a})
data = spio.loadmat('a.mat', struct_as_record=True)
data['a']

Out:

array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

02 线性代数运算

在SciPy中，线性代数运算使用的是scipy.linalg。scipy.linalg.det()可用于计算矩阵的行列式，示例代码如下：

from scipy import linalg
m=np.array([[1,2],[3,4]])
linalg.det(m)

Out:

-2.0

03 优化和拟合

求解最大值最小值之类的问题即为优化问题，在SciPy中，scipy.optimization提供了最小值、曲线拟合等算法。示例代码如下：

import numpy as np
from scipy import optimize
import matplotlib.pyplot as plt

def f(x):
    return x**2+20*np.sin(x)

x=np.arange(-10,10,0.1)

plt.plot(x,f(x))

由图3-1中可以看到，对应的最小值的横坐标大约是-2。我们可以用暴力穷举法来计算最小值，代码如下

grid=(-10,10,0.1)
x_min=optimize.brute(f,(grid,))
x_min
Out:
array([-1.42754883])

当然，当数据量较大的时候，穷举法速度会很慢。以上就是“python基础代码让你了解Scipy”的详细内容，想要了解更多Python教程欢迎关注编程学习网