5.scipy基础使用

scipy包含致力于科学计算中常见问题的各个工具箱。它的不同子模块相应于不同的应用。像插值，积分，优化，图像处理，统计，特殊函数等等。
scipy 由一些特定功能的子模块组成：

模块 功能 scipy.cluster 矢量量化 / K-均值 scipy.constants 物理和数学常数 scipy.fftpack 傅里叶变换 scipy.integrate 积分程序 scipy.interpolate 插值 scipy.io 数据输入输出 scipy.linalg 线性代数程序 scipy.ndimage n维图像包 scipy.odr 正交距离回归 scipy.optimize 优化 scipy.signal 信号处理 scipy.sparse 稀疏矩阵 scipy.spatial 空间数据结构和算法 scipy.special 任何特殊数学函数 scipy.stats 统计

补充下md表格语法| ------------- |默认左对齐| ------------ :|右对齐| :-----------: |居中

安装

conda install -n tensorflow scipyconda install -n tensorflow matplotlib

实例

import sysimport numpy as npimport matplotlib.pyplot as pltprint(sys.version)'''3.5.3 |Continuum Analytics, Inc.| (default, May 15 2017, 10:43:23) [MSC v.1900 64 bit (AMD64)]'''print('文件输入/输出：scipy.io')from scipy import io as spioa = np.ones((3, 3))spio.savemat('file.mat', {'a': a})  # savemat as a dictionarydata = spio.loadmat('file.mat', struct_as_record=True)print(data['a'])'''[[ 1.  1.  1.] [ 1.  1.  1.] [ 1.  1.  1.]]'''print('读取图片')'''from scipy import miscmisc.imread('qiuqiu.jpg')依赖与PIL包，PIL只能在2.6环境下跑，3.5环境冲突，imread搁置'''print('计算方阵的行列式')from scipy import linalgarr = np.array([[1, 2],[3, 4]])print(linalg.det(arr))'''-2.0二阶行列式算法1 23 4=1*4-3*2'''print('计算方阵的逆')iarr = linalg.inv(arr)print(iarr)'''一个n阶方阵A称为可逆的，或非奇异的，如果存在一个n阶方阵B，使得AB=BA=E并称B是A的一个逆矩阵。不可逆的矩阵称为奇异矩阵。A的逆矩阵记作A-1。'''print('快速傅里叶变换')'''计算量小的显著的优点，使得FFT在信号处理技术领域获得了广泛应用，结合高速硬件就能实现对信号的实时处理。例如，对语音信号的分析和合成，对通信系统中实现全数字化的时分制与频分制(TDM/FDM)的复用转换，在频域对信号滤波以及相关分析，通过对雷达、声纳、振动信号的频谱分析以提高对目标的搜索和跟踪的分辨率等等，都要用到FFT。可以说FFT的出现，对数字信号处理学科的发展起了重要的作用。'''from scipy import fftpack as ffttime_step=2period = 5time_vec = np.arange(0, 20, time_step)sig=np.sin(2 * np.pi / period * time_vec) +0.5 * np.random.randn(time_vec.size)# 过滤开始sample_freq = fft.fftfreq(sig.size, d=time_step)sig_fft = fft.fft(sig)pidxs = np.where(sample_freq > 0)freqs = sample_freq[pidxs]power = np.abs(sig_fft)[pidxs]freq = freqs[power.argmax()]#np.allclose(freq, 1./period)sig_fft[np.abs(sample_freq) > freq] = 0main_sig = fft.ifft(sig_fft)#plt.figure()plt.plot(time_vec, sig)plt.plot(time_vec, np.real(main_sig), linewidth=3)#np.real强制转换，否则报错ComplexWarning: Casting complex values to real discards the imaginary partplt.xlabel('Time [s]')plt.ylabel('Amplitude')plt.show()'''time_vec[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]sig[0.17211885333331564, 0.84289268289876484, -1.4667942997074033, 0.43223913232468947, 0.57113766593861837, 0.73110889716989713, 0.27913981274609123, -1.3888892138941045, 1.0190839066907211, 0.016092873514701234]sample_freq[ 0.    0.05  0.1   0.15  0.2  -0.25 -0.2  -0.15 -0.1  -0.05]pidxs<class 'tuple'>: (array([1, 2, 3, 4], dtype=int64),)freqs[ 0.05  0.1   0.15  0.2 ]power[ 0.39549041  3.26876404  1.7504016   4.50417606]freq0.2main_sig[ 0.17799470 +0.00000000e+00j  0.83701684 -4.44089210e-17j -1.46091846 +0.00000000e+00j  0.42636329 -2.33298689e-17j  0.57701351 +0.00000000e+00j  0.72523305 -4.29695792e-17j  0.28501566 +0.00000000e+00j -1.39476506 +1.14824723e-16j  1.02495975 +0.0000'''