Py之Scipy：Scipy库(高级科学计算库)的简介、安装、使用方法之详细攻略
目录
Scipy库(高级科学计算库)的简介、安装、使用方法
1、Scipy的特点
2、SciPy与NumPy关系
Scipy库(高级科学计算库)的安装
(1)、升级scipy
(2)、降低版本
Scipy库(高级科学计算库)的使用方法
1、Scipy库的子包
1.1、子包导入方法
1.2、常见的子包
Scipy库(高级科学计算库)的简介、安装、使用方法Scipy是世界上著名的、开源的高级科学计算库。Scipy是基于Numpy构建的一个集成了多种数学算法和方便的函数的Python模块。通过给用户提供一些高层的命令和类来操作和可视化数据，SciPy在python交互式会话中，大大增加了操作和可视化数据的能力。通过SciPy，Python的交互式会话变成了一个数据处理和一个系统原型system-prototyping环境，可以与MATLAB、IDL、Octave、R-Lab和SciLab等系统相匹敌。 更重要的是，在Python中使用SciPy，还可以同时用一门强大的语言—Python来开发复杂和专业的程序。用SciPy写科学应用，还能获得世界各地的开发者开发的模块的帮助，受益于世界各地的开发人员在软件领域的许多小众领域中开发的附加模块。从并行编程到web到数据库子例程到各种类，Python程序员都可以使用。这些强大的功能，SciPy都有，特别是它的数学库。
官方文档：SciPy
1、Scipy的特点基本算法：SciPy为优化、积分、插值、特征值问题、代数方程、微分方程、统计和许多其他类别的问题提供算法。广泛适用的：SciPy提供的算法和数据结构广泛适用于各个领域。基础：扩展NumPy，为数组计算提供额外的工具，并提供专门的数据结构，如稀疏矩阵和k维树。性能：SciPy包装了用Fortran、C和C++等低级语言编写的高度优化的实现。享受Python的灵活性和编译代码的速度。
2、SciPy与NumPy关系SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。 Scipy和Numpy联系很密切，建立在Numpy之上。Scipy一般都是操控Numpy数组来进行科学计算、统计分析，所以可以说是基于Numpy之上了。Scipy有很多子模块可以应对不同的应用，例如插值运算，优化算法、数学统计等等。SciPy则是在NumPy的基础上构建的更为强大，应用领域也更为广泛的科学计算包。正是出于这个原因，SciPy需要依赖NumPy的支持进行安装和运行。
Scipy库(高级科学计算库)的安装pip install scipy
、
(1)、升级scipy先pip install numpy-1.15.0rc1+mkl-cp36-cp36m-win_amd64.whl 再pip install scipy==0.19.1
继续降低版本180704 1154
from scipy import linalg, optimizeSubpackage
Description
cluster
Clustering algorithms
聚类算法在信息理论、目标检测、通信、压缩等领域有着广泛的应用。vq模块只支持矢量量化和k-均值算法。
constants
Physical and mathematical constants
fftpack
Fast Fourier Transform routines
integrate
Integration and ordinary differential equation solvers
interpolate
Interpolation and smoothing splines
此子包包含样条函数和类、一维和多维（单变量和多变量）插值类、Lagrange和Taylor多项式插值器以及FITPACK和DFITPACK函数的包装器。
io
Input and Output
linalg
Linear algebra
ndimage
N-dimensional image processing
odr
Orthogonal distance regression
optimize
Optimization and root-finding routines
signal
Signal processing
sparse
Sparse matrices and associated routines
spatial
Spatial data structures and algorithms
special
Special functions
stats
Statistical distributions and functions
该模块包含大量的概率分布以及不断增长的统计函数库。每个单变量分布都是rv_连续（rv_离散用于离散分布）的一个子类的实例。
