scipy

Science

Computação científica

Visão geral scipy

SciPybaseia-se emNumPypara fornecer uma grande coleção de algoritmos para computação científica e técnica. Inclui módulos para otimização, álgebra linear, integração, interpolação, processamento de sinais, estatística e muito mais.SciPyé usado por físicos, engenheiros e cientistas de dados que precisam de métodos numéricos precisos além da matemática básica de matrizes.

PyRunincluiSciPycomo um pacotePyodide. Você pode usar scipy.optimize, scipy.stats, scipy.interpolate e outros submódulos diretamente em seu navegador – sem necessidade de instalação local. É um ambiente ideal para testar algoritmos numéricos ou explorar métodos científicos de forma interativa.

Saída de código e execução

Localização de raízes numéricas e estatísticas descritivas.

SciPy Root Finding & StatsExecutar no Editor
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}")

Pacotes Relacionados

Recursos Python recomendados

Expanda seu conhecimento com tutoriais interativos relacionados, folhas de dicas e comparações de código.