[已收纳]python之Scipy库入门与案例

15195775117

Scipy库是科学计算库，比Numpy高级一些。
IDL除了自带的科学计算函数，还有IMSL库辅助。
---------------------------
Scipy包括的子模块有：

• 文件读写模块：io
• 微积分：integrate
• 线性代数模块：linalg
• 信号处理：signal
• 系数矩阵：sparse
• 常用函数Fortran库：SPECFUN
• FFT模块：fftpack
• 优化器模块：optimize
• 插值模块：interpolate
• 统计模块：stats
  

---------------------------
以下逐一介绍：

小其其格

支持一下楼主

15195775117

io模块--------------
mat文件是matlab的数据存储的标准格式，二进制。
python读写这种格式，跟matlab搭上了关系。
第一篇：保存mat文件
import numpy as np
from scipy import io as sio
a=np.zeros((3,3))
#把数据结构体保存为mat文件
#输出文件完整名：
matfile=r'C:\Users\朽木\Desktop\wha.mat'
#数据结构体：
data={'data':a}
#保存：
sio.savemat(matfile,data)
#这跟IDL把数据保存为sav文件类似，但sav文件似乎为IDL专用
----------------------------------
第二篇：读取mat文件
import numpy as np
from scipy import io as sio
matfile=r'C:\Users\朽木\Desktop\wha.mat'
data=sio.loadmat(matfile,struct_as_record=True)
#python的字典就是IDL的结构体，读取方式是按字典来的：
print(data['data'])

versatile

支持一下楼主

15195775117

线性代数模块
import numpy as np
from scipy import linalg
a=np.array([[1,2],[3,4]])
#行列式值：
deta=linalg.det(a)
#逆矩阵：
a_inv=linalg.inv(a)
print(np.round(np.dot(a,a_inv)))
输出：
[[1. 0.]
[0. 1.]]

15195775117

FFT模块

import numpy as np
import matplotlib.pyplot as plt
#导入FFT模块
from scipy import fftpack
#准备数据：
a=np.zeros(1000)
a[:100]=1
#快速傅里叶变换：
a_fft=fftpack.fft(a)
#频谱搬移：
a_fftshift=np.hstack((a_fft[500:],a_fft[:500]))
#辅助数据：
f=np.arange(-500,500,1)
#设置图的大小：
plt.figure(figsize=[8,4],dpi=100)
#FFT图：
plt.plot(f,abs(a_fftshift))

15195775117

versatile 发表于 2019-6-29 16:59
支持一下楼主

谢谢支持

15195775117

优化器模块

import numpy as np
import matplotlib.pyplot as plt
from scipy import optimize
#定义曲线函数
def f(x):
    return x**2+10*np.sin(x)
x=np.arange(-10,10,0.1)
optimize.fmin_bfgs(f,0)
plt.plot(x,f(x))

优化问题是一个大门类，没研究过，我要学习的还有很多！
我设想的这个优化方法可以应用的领域：
1、遥感反演计算；
2、气象参数廓线；
3、激光雷达反演算法。

15195775117

插值模块


import numpy as np
import matplotlib.pyplot as plt
#这里有个坑，p1d中间的是数字1，不是字母L！
from scipy.interpolate import interp1d
#x轴序列：
a=np.linspace(0,1,10)
#叠加噪声：
noise=(np.random.random(10)*2-1)*1e-1
b=np.sin(2*np.pi*a)+noise
plt.plot(a,b,"bo")
#根据a,b的关系生成个函数，类似一个拟合函数
f=interp1d(a,b)
x=np.linspace(0,1,50)
#画出经计算的插值曲线：
y=f(x)
plt.plot(x,y,"r*")

15195775117

统计模块


import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
#正态分布随机数：
a=np.random.normal(size=1000)
#计算均值和方差：
mean,std=stats.norm.fit(a)
print(mean,std)
#升序排列，会改变原数组：
a.sort()
plt.plot(a,color='m')