利用 Python 完成数据分析（5）：Scipy的使用

Scipy是一个高级的科学计算库，它和Numpy联系很密切，Scipy一般都是操控Numpy数组来进行科学计算，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、图像处理、数学统计等。以下列出Scipy的子模块：

1.文件输入和输出：scipy.io

这个模块可以加载和保存matlab文件：

关于这个模块的文档：

https://docs.scipy.org/doc/scipy/reference/io.html#module-scipy.io

2.线性代数操作：scipy.linalg

假如我们要计算一个方阵的行列式，我们需要调用det()函数：

比如求一个矩阵的转置：

更多关于scipy.linalg请参考：

https://docs.scipy.org/doc/scipy/reference/linalg.html#module-scipy.linalg

3.快速傅里叶变换：scipy.fftpack

首先我们用numpy初始化正弦信号：

Numpy中也有用于计算快速傅里叶变换的模块：numpy.fft，但是scipy.fftpack是我们的首选，因为应用了更多底层的工具，工作效率要高一些。关于scipy.fftpack更多文档请参考：

https://docs.scipy.org/doc/scipy/reference/fftpack.html#module-scipy.fftpack

4.优化器：scipy.optimize

scipy.optimize通常用来最小化一个函数值，我们举个栗子，构建一个函数并绘制函数图：

如果我们要找出这个函数的最小值，也就是曲线的最低点。就可以用到BFGS优化算法(Broyden–Fletcher–Goldfarb–Shannoalgorithm)：

可以得到最低点的值为-1.30644003，optimize.fmin_bfgs(f,0)第二个参数表示从点的位置最小化，找到最低点（该点刚好为全局最低点）。假如我从3点的位置开始梯度下降，那么得到的将会是局部最低点3.83746663：

http://docs.scipy.org/doc/scipy/reference/optimize.html#module-scipy.optimize

5.统计工具：scipy.stats

首先我们随机生成1000个服从正态分布的数：

这个工具还是蛮好用的，更多参考：

https://docs.scipy.org/doc/scipy/reference/stats.html#module-scipy.stats

还有像scipy的其他模块（计算积分、信号处理、图像处理的模块）就不一一介绍了，对这一部分还有兴趣继续了解的，请参考：https://docs.scipy.org/doc/scipy/reference/index.html