SciPy
 | |
 PSD von EKG mit Scipy | |
| Originalautor (en) | Travis Oliphant, Pearu Peterson, Eric Jones |
|---|---|
| Entwickler (en) | Community Library Project |
| Erstveröffentlichung | Um 2001 |
| Stabile Version | 1.8.0[1]  / 5. Februar 2022 |
| Repository | |
| Geschrieben in | Python, Forran, C, C ++[2] |
| Betriebssystem | Plattformübergreifend |
| Typ | Technisches Computer |
| Lizenz | BSD-NEW Lizenz |
| Webseite | Scipy |
Scipy (ausgesprochen /ˈsaɪpaɪ/ "Seufzer Kuchen"[3]) ist ein frei und offen Python Bibliothek verwendet für Wissenschaftliches rechnen und technisches Computer.[4]
Scipy enthält Module für Optimierung, Lineare Algebra, Integration, Interpolation, Spezialfunktionen, Fft, Signal und Bildverarbeitung, ODE Löser und andere Aufgaben in Wissenschaft und Ingenieurwesen.
Scipy ist auch eine Familie von Konferenzen für Benutzer und Entwickler dieser Tools: Scipy (in den USA), Euroscipy (in Europa) und Scipy.in (in Indien).[5] Enthought Ursprünglich die Scipy -Konferenz in den USA und sponsert weiterhin viele der internationalen Konferenzen sowie die SCIPY -Website.
Die Scipy -Bibliothek ist derzeit unter dem verteilt BSD -Lizenzund seine Entwicklung wird von einer offenen Gemeinschaft von Entwicklern gesponsert und unterstützt. Es wird auch von Numfocus unterstützt, einer Community Foundation zur Unterstützung der reproduzierbaren und zugänglichen Wissenschaft.
Komponenten
Das Scipy -Paket ist der Kern der wissenschaftlichen Computerfunktionen von Python. Verfügbare Unterhöfe umfassen:
- Cluster: Hierarchische Clustering, Vektorquantisierung, K-means
- Konstanten: physische Konstanten und Konversionsfaktoren
- fft: diskrete Fourier-Transformation Algorithmen
- fftpack: Legacy -Schnittstelle für diskrete Fourier -Transformationen
- integrieren: Numerische Integration Routinen
- interpolieren: Interpolationstools
- io: Dateneingabe und Ausgabe
- Linalg: lineare Algebra -Routinen
- Miser: Verschiedene Dienstprogramme (z. B. Beispielbilder)
- ndimage: Verschiedene Funktionen für mehrdimensionale Funktionen Bildverarbeitung
- ODR: orthogonale Entfernungsregression Klassen und Algorithmen
- optimieren: Optimierungsalgorithmen einschließlich Lineares Programmieren
- Signal: Signalverarbeitung Werkzeug
- spärlich: spärliche Matrizen und verwandte Algorithmen
- räumlich: Algorithmen für räumliche Strukturen wie z. K-D-Bäume, nächste Nachbarn, Konvexe Rümpfe, etc.
- Besondere: Spezialfunktionen
- Statistiken: statistisch Funktionen
- weben: Werkzeug zum Schreiben C/C ++ Code als Python -Multiline -Saiten (jetzt veraltet zugunsten zugunsten von Cython[6])
Datenstrukturen
Die von Scipy verwendete grundlegende Datenstruktur ist mehrdimensional Array bereitgestellt durch die Numpy Modul. Numpy bietet einige Funktionen für lineare Algebra, Fourier transformiert, und Zufällige Zahlengenerierung, aber nicht mit der Allgemeinheit der äquivalenten Funktionen in Scipy. Numpy kann auch als effizienter mehrdimensionaler Datenbehälter mit willkürlicher Verwendung verwendet werden Datentypen. Dies ermöglicht es Numpy, nahtlos und schnell in eine Vielzahl von einer Vielzahl von integriert zu werden Datenbanken. Ältere Versionen von Scipy verwendeten numerisch als Array -Typ, der jetzt zugunsten des neueren Numpy Array -Codes veraltet ist.[7]
Geschichte
In den neunziger Jahren wurde Python um einen Array -Typ für das numerische Computing namens Numeric erweitert (dieses Paket wurde schließlich durch ersetzt durch Travis Oliphant der 2006 Numpy als Mischung aus numerisch und numarray schrieb, die 2001 gestartet worden waren). Ab dem Jahr 2000 gab es eine wachsende Anzahl von Erweiterungsmodulen und das zunehmende Interesse an der Schaffung eines vollständigen Umfelds für wissenschaftliches und technisches Computing. Im Jahr 2001 fusionierten Travis Oliphant, Eric Jones und Pearu Peterson den Code, den sie geschrieben und das resultierende Paket Scipy bezeichnet hatten. Das neu erstellte Paket lieferte eine Standardsammlung gemeinsamer numerischer Operationen neben der numerischen Array -Datenstruktur. Kurz danach veröffentlichte Fernando Pérez Ipython, eine erweiterte interaktive Shell, die in der technischen Computing -Community weit verbreitet ist, und John Hunter veröffentlichte die erste Version von Matplotlib, die 2D -Ploting -Bibliothek für technisches Computing. Seitdem wächst die Scipy -Umgebung weiter mit mehr Paketen und Tools für Technisches Computer.[8][9][10]
Siehe auch
- Vergleich der numerischen Analyse-Software
- Liste der numerischen Analyse-Software
- Vergleich statistischer Pakete
- Sagemath
- Hochsoptimierungslöser
Anmerkungen
- ^ "Release Scipy 1.8.0".
- ^ Scipy -Team. "Wie kann Scipy schnell sein, wenn es in einer interpretierten Sprache wie Python geschrieben ist?". Abgerufen 2022-04-11.
- ^ https://scipy.org/ "Scipy (ausgesprochen" Seufzer Kuchen ")"
- ^ Pauli Virtanen; Ralf Gommers; Travis E. Oliphant; et al. (3. Februar 2020). "Scipy 1.0: Grundalgorithmen für wissenschaftliches Computer in Python" (PDF). Naturmethoden. 17 (3): 261–272. doi:10.1038/s41592-019-0686-2. ISSN 1548-7091. PMC 7056644. PMID 32015543. WikidataQ84573952.
{{}}:|author35=hat generischen Namen (Hilfe) (Erratum) - ^ "Scipy -Konferenzen".
- ^ "Scipy 0.15.0 Versionshinweise - Scipy V1.6.2 Referenzhandbuch". docs.scipy.org. Abgerufen 2021-04-13.
- ^ "Numpy Homepage".
- ^ "Geschichte der Skipie".
- ^ "Leitfaden zu Numpy" (PDF).
- ^ "Python für Wissenschaftler und Ingenieure".
Weitere Lektüre
- Nunez-Iglesias, Juan; Van der Walt, Stéfan; Dashnow, Harriet (2017). Elegante Scipy: Die Kunst der wissenschaftlichen Python. O'Reilly. ISBN 978-1-4919-2287-3.