scipy

Science

Obliczenia naukowe

Przegląd scipy

SciPyopiera się naNumPy, aby zapewnić duży zbiór algorytmów do obliczeń naukowych i technicznych. Zawiera moduły optymalizacji, algebry liniowej, integracji, interpolacji, przetwarzania sygnałów, statystyki i nie tylko.SciPyjest używany przez fizyków, inżynierów i analityków danych, którzy potrzebują precyzyjnych metod numerycznych wykraczających poza podstawową matematykę tablicową.

PyRunzawieraSciPyw pakieciePyodide. Możesz używać scipy.optimize, scipy.stats, scipy.interpolate i innych podmodułów bezpośrednio w przeglądarce — nie jest wymagana żadna instalacja lokalna. To idealne środowisko do testowania algorytmów numerycznych lub interaktywnego odkrywania metod naukowych.

Dane wyjściowe kodu i wykonania

Wyszukiwanie pierwiastków numerycznych i statystyka opisowa.

SciPy Root Finding & StatsUruchom w Edytorze
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}")

Powiązane pakiety

Polecane zasoby Pythona

Poszerzaj swoją wiedzę dzięki powiązanym interaktywnym samouczkom, ściągawkom i porównaniom kodów.