SciPy

SciPy
SciPy
	; Пример отрисовки функции Бесселя с пометкой её локальных максимумов
Тип	Расширение языка Python
Разработчик	Проект сообщества
Написана на	Python, Си, Фортран, C++ и Cython
Операционная система	Кроссплатформенное программное обеспечение
Первый выпуск	2001
Последняя версия	1.14.1 (21 августа 2024);
Репозиторий	github.com/scipy/scipy
Читаемые форматы файлов:
Читаемые форматы файлов:
	MAT[вд], IDLSAV file[вд], Matrix Market file format[вд], netCDF, Harwell-Boeing file[вд], Broadcast Wave Format[вд], ARFF[вд], numpy[вд] и текстовый файл
Лицензия	BSD
Сайт	scipy.org
	Медиафайлы на Викискладе

SciPy — библиотека для языка программирования Python с открытым исходным кодом, предназначенная для выполнения научных и инженерных расчётов^[5].

История

В 1990-х годах Python был расширен типом массива для вычислений под названием Numeric (этот пакет в конечном итоге был заменен Трэвисом Олифантом, который написал NumPy^[6]^[7] в 2006 году, соединив Numeric и Numarray.^[8]

По состоянию на 2000 год число модулей росло и возрастал интерес к созданию полноценной среды для научных и технических вычислений. В 2001 году Трэвис Олифант, Эрик Джонс и Пиару Петерсон объединили написанный ими код и назвали получившийся пакет SciPy. Вскоре после этого Фернандо Перес выпустил IPython, расширенную интерактивную оболочку, широко используемую в сообществе технических вычислений, а Джон Хантер выпустил первую версию Matplotlib, библиотеки 2D-графиков для вычислений. С тех пор среда SciPy продолжала расти с появлением большего количества пакетов и инструментов для технических вычислений.^[9]

Возможности

поиск минимумов и максимумов функций;
вычисление интегралов функций;
поддержка специальных функций;
обработка сигналов;
обработка изображений;
работа с генетическими алгоритмами;
решение обыкновенных дифференциальных уравнений;
и др.

Целевая аудитория — пользователи продуктов MATLAB и Scilab.

Для визуализации результатов расчётов часто применяется библиотека Matplotlib, являющаяся аналогом средств вывода графики MATLAB.

Библиотека SciPy распространяется по условиям лицензии BSD. Разработчиков финансирует фирма «Enthought».

Структуры данных

Основной структурой данных в SciPy является многомерный массив, реализованный модулем NumPy (более старые версии SciPy использовали модуль Numeric).

Модули

Обзор

Доступные субпакеты:

constants: Физические константы и коэффициенты пересчёта (с версии 0.7.0^[10]).

cluster: Векторное квантование.

fftpack: Дискретные алгоритмы преобразования Фурье.

integrate: Инструменты для интегрирования.

interpolate: Инструменты для интерполяции.

io: Ввод-вывод данных.

lib: Работа со сторонними библиотеками.

linalg: Линейная алгебра.

misc: Разное.

optimize: Средства оптимизации.

sandbox: Экспериментальный код.

signal: Обработка сигналов.

sparse: Поддержка разреженных матриц.

special: Специальные функции.

stats: Статистические функции.

weave: Использование кода, написанного на языках C и C++.

Расширяемость

Функциональность библиотеки SciPy можно расширить с помощью других инструментов^[11]. Примеры:

Графика: Для отрисовки двухмерной предназначено несколько библиотек: Matplotlib (рекомендуется), HippoDraw, Chaco, Biggles, Python Imaging Library, MayaVi (поддерживает трёхмерную графику).

Оптимизация: Библиотеки для оптимизации: optimize (модуль встроен в SciPy), OpenOpt (предоставляет больше пакетов и решателей).

Анализ данных: Модуль RPy позволяет выполнять анализ данных с помощью языка программирования R.

База данных: Библиотека SciPy может взаимодействовать с PyTables^[12] — иерархической базой данных, разработанной для управления большими объёмами данных; данные хранятся в файлах формата HDF5.

Интерактивная оболочка: IPython — это интерактивная среда для ввода и отладки кода, аналог оболочки MATLAB.

Символьная математика: Библиотеки для символьных вычислений: PyDSTool (недоступная ссылка), Symbolic и SymPy.

См. также

Примечания

↑ Release 1.14.1 — 2024.
↑ ¹ ² ³ ⁴ ⁵ ⁶ ⁷ https://docs.scipy.org/doc/scipy/reference/io.html#module-scipy.io
↑ ¹ ² https://numpy.org/devdocs/reference/routines.io.html
↑ The scipy Open Source Project on Open Hub: Languages Page — 2006.
↑ Pauli Virtanen, Ralf Gommers, Travis E. Oliphant, Matt Haberland, Tyler Reddy. SciPy 1.0: fundamental algorithms for scientific computing in Python (англ.) // Nature Methods. — 2020. — March (vol. 17, iss. 3). — P. 261–272. — ISSN 1548-7105. — doi:10.1038/s41592-019-0686-2. — PMID 32015543. Архивировано 3 февраля 2021 года.
↑ History of SciPy (неопр.). Дата обращения: 21 сентября 2021. Архивировано 9 июля 2015 года.
↑ Guide to NumPy (неопр.). Дата обращения: 21 сентября 2021. Архивировано 19 октября 2013 года.
↑ Andreas C. Müller, Sarah Guido. Introduction to Machine Learning with Python. — O'Reilly Media, 2016. — ISBN 9781449369415. Архивная копия от 6 сентября 2021 на Wayback Machine Источник (неопр.). Дата обращения: 21 сентября 2021. Архивировано из оригинала 6 сентября 2021 года.
↑ Python for Scientists and Engineers (неопр.). Дата обращения: 21 сентября 2021. Архивировано 19 февраля 2019 года.
↑ SourceForge.net: SciPy: Scientific Library for Python: Files Архивная копия от 8 ноября 2012 на Wayback Machine.
↑ Topical Software (неопр.). Дата обращения: 26 сентября 2015. Архивировано 16 января 2013 года.
↑ PyTables Архивная копия от 14 августа 2015 на Wayback Machine // SourceForge.net.

Литература

Нуньес-Иглесиас Х., Уолт Ш., Дэшноу Х. Элегантный SciPy = Elegant SciPy. — ДМК Пресс, 2018. — 266 с. — ISBN 978-5-97060-6001.
Bressert, E. SciPy and NumPy. — O'Reilly, 2012. — 57 p. — ISBN 9781449305468.

Blanco-Silva, F.J. Learning SciPy for Numerical and Scientific Computing. — Packt Publishing, Limited, 2013. — 150 p. — ISBN 9781782161639.

Ссылки

[_38dcb50a8128830e-1] Release 1.14.1 — 2024.

[_b43d291856c93de7-2] ¹ ² ³ ⁴ ⁵ ⁶ ⁷ https://docs.scipy.org/doc/scipy/reference/io.html#module-scipy.io

[_53819350a60588a3-3] ¹ ² https://numpy.org/devdocs/reference/routines.io.html

[_1a4ba3c4818f4698-4] The scipy Open Source Project on Open Hub: Languages Page — 2006.

[5] Pauli Virtanen, Ralf Gommers, Travis E. Oliphant, Matt Haberland, Tyler Reddy. SciPy 1.0: fundamental algorithms for scientific computing in Python (англ.) // Nature Methods. — 2020. — March (vol. 17, iss. 3). — P. 261–272. — ISSN 1548-7105. — doi:10.1038/s41592-019-0686-2. — PMID 32015543. Архивировано 3 февраля 2021 года.

[6] History of SciPy (неопр.). Дата обращения: 21 сентября 2021. Архивировано 9 июля 2015 года.

[7] Guide to NumPy (неопр.). Дата обращения: 21 сентября 2021. Архивировано 19 октября 2013 года.

[8] Andreas C. Müller, Sarah Guido. Introduction to Machine Learning with Python. — O'Reilly Media, 2016. — ISBN 9781449369415. Архивная копия от 6 сентября 2021 на Wayback Machine Источник (неопр.). Дата обращения: 21 сентября 2021. Архивировано из оригинала 6 сентября 2021 года.

[9] Python for Scientists and Engineers (неопр.). Дата обращения: 21 сентября 2021. Архивировано 19 февраля 2019 года.

[10] SourceForge.net: SciPy: Scientific Library for Python: Files Архивная копия от 8 ноября 2012 на Wayback Machine.

[11] Topical Software (неопр.). Дата обращения: 26 сентября 2015. Архивировано 16 января 2013 года.

[12] PyTables Архивная копия от 14 августа 2015 на Wayback Machine // SourceForge.net.

[5]

[4]

[1]

[2]

[3]

[6]

[7]

[8]

[9]

[10]

[11]

[12]