scipy

Science

Wissenschaftliches Rechnen

Übersicht scipy

SciPybaut aufNumPyauf und stellt eine große Sammlung von Algorithmen für wissenschaftliche und technische Berechnungen bereit. Es umfasst Module für Optimierung, lineare Algebra, Integration, Interpolation, Signalverarbeitung, Statistik und mehr.SciPywird von Physikern, Ingenieuren und Datenwissenschaftlern verwendet, die präzise numerische Methoden benötigen, die über die grundlegende Array-Mathematik hinausgehen.

PyRunenthältSciPyals gebündeltesPyodidePaket. Sie können scipy.optimize, scipy.stats, scipy.interpolate und andere Submodule direkt in Ihrem Browser verwenden – keine lokale Installation erforderlich. Es ist eine ideale Umgebung zum Testen numerischer Algorithmen oder zum interaktiven Erkunden wissenschaftlicher Methoden.

Code- und Ausführungsausgabe

Numerische Wurzelfindung und deskriptive Statistik.

SciPy Root Finding & StatsIm Editor ausführen
from scipy import optimize, stats
import numpy as np

# Root finding
def f(x):
    return x**3 - 2*x - 5

result = optimize.root_scalar(f, bracket=[2, 3], method='brentq')
print("Root of f(x) = x³ - 2x - 5:")
print(f"  x = {result.root:.6f}  (converged: {result.converged})")

# Basic statistics
data = np.array([2.1, 2.5, 3.0, 3.2, 3.8, 4.0, 4.5, 5.1])
print("\nDescriptive stats:")
print(f"  mean   = {np.mean(data):.3f}")
print(f"  median = {np.median(data):.3f}")
print(f"  stdev  = {np.std(data):.3f}")
t_stat, p_val = stats.ttest_1samp(data, popmean=3.5)
print(f"\nOne-sample t-test (μ=3.5): t={t_stat:.4f}, p={p_val:.4f}")

Verwandte Pakete

Empfohlene Python-Ressourcen

Erweitern Sie Ihr Wissen mit zugehörigen interaktiven Tutorials, Spickzetteln und Codevergleichen.