La matematica tratta un numero enorme di concetti che sono molto importanti ma allo stesso tempo, complessi e che richiedono tempo. Tuttavia, Python fornisce la completa libreria SciPy che risolve questo problema per noi. In questo tutorial di SciPy, imparerai come utilizzare questa libreria insieme ad alcune funzioni e ai loro esempi.
Prima di andare avanti, dai un’occhiata a tutti gli argomenti trattati in questo articolo:
Che cos’è SciPy?
NumPy vs SciPy
Sottopacchetti in SciPy
Funzioni di base
Funzioni speciali
Funzioni di integrazione
Funzioni di ottimizzazione
Funzioni di trasformata di Fourier
Signal Processing Functions
Algebra lineare
Gli autovalori sparsi
Strutture di dati spaziali e algoritmi
Funzioni di elaborazione di immagini multidimensionali
File IO
Partiamo. 🙂
SciPy è una libreria Python open-source usata per risolvere problemi scientifici e matematici. È costruita sull’estensione NumPy e permette all’utente di manipolare e visualizzare i dati con una vasta gamma di comandi di alto livello. Come menzionato prima, SciPy si basa su NumPy e quindi se importi SciPy, non c’è bisogno di importare NumPy.
NumPy vs SciPy
Sia NumPy che SciPy sono librerie Python usate per l’analisi matematica e numerica. NumPy contiene dati di array e operazioni di base come l’ordinamento, l’indicizzazione, ecc. mentre SciPy consiste in tutto il codice numerico. Anche se NumPy fornisce un certo numero di funzioni che possono aiutare a risolvere l’algebra lineare, le trasformate di Fourier, ecc, SciPy è la libreria che in realtà contiene versioni complete di queste funzioni insieme a molte altre. Tuttavia, se stai facendo analisi scientifiche usando Python, avrai bisogno di installare sia NumPy che SciPy poiché SciPy si basa su NumPy.
Sottopacchetti in SciPy:
SciPy ha un certo numero di sottopacchetti per vari calcoli scientifici che sono mostrati nella seguente tabella: