Python - SciPy
Die SciPy-Bibliothek von Python wurde für die Arbeit mit NumPy-Arrays entwickelt und bietet viele benutzerfreundliche und effiziente numerische Methoden, z. B. Routinen für die numerische Integration und Optimierung. Zusammen laufen sie auf allen gängigen Betriebssystemen, sind schnell zu installieren und kostenlos. NumPy und SciPy sind einfach zu bedienen, aber leistungsstark genug, um von einigen der weltweit führenden Wissenschaftler und Ingenieure abhängig zu sein.
SciPy-Unterpakete
SciPy ist in Unterpakete unterteilt, die verschiedene Bereiche des wissenschaftlichen Rechnens abdecken. Diese sind in der folgenden Tabelle zusammengefasst -
scipy.constants | Physikalische und mathematische Konstanten |
scipy.fftpack | Fourier-Transformation |
scipy.integrate | Integrationsroutinen |
scipy.interpolate | Interpolation |
scipy.io | Dateneingabe und -ausgabe |
scipy.linalg | Lineare Algebra-Routinen |
scipy.optimize | Optimierung |
scipy.signal | Signalverarbeitung |
scipy.sparse | Spärliche Matrizen |
scipy.spatial | Geodatenstrukturen und Algorithmen |
scipy.special | Alle speziellen mathematischen Funktionen |
scipy.stats | Statistiken |
Datenstruktur
Die von SciPy verwendete grundlegende Datenstruktur ist ein mehrdimensionales Array, das vom NumPy-Modul bereitgestellt wird. NumPy bietet einige Funktionen für lineare Algebra, Fourier-Transformationen und Zufallszahlengenerierung, jedoch nicht mit der Allgemeinheit der äquivalenten Funktionen in SciPy.
In den nächsten Kapiteln werden wir viele Beispiele zur Verwendung der SciPy-Python-Bibliothek in Data Science-Arbeiten sehen.