Python宝典第21章：科学计算_python计算x2+4x

本文详细介绍了NumPy和SciPy在Python科学计算领域的核心功能，包括数组操作、数学函数和高级数学工具。通过具体实例展示了如何使用这两个库进行数组创建、数学运算、图像处理及更多应用。

NumPy和SciPy是Python中用以实现科学计算的模块包。

NumPy主要提供了数组对象、基本的数组函数和傅里叶变换的相关函数。

SciPy依赖于NumPy，提供了更多计算工具，还可绘制图形。

NumPy提供了Python没有的数组对象。

>>> import numpy
>>> a=numpy.array((1,2,3,4,5))
>>> print(a)
[1 2 3 4 5]
>>> b=numpy.array(([1,2,3],[4,5,6],[7,8,9]))
>>> print(b)
[[1 2 3]
 [4 5 6]
 [7 8 9]]
>>> c=b+b
>>> print(c)
[[ 2  4  6]
 [ 8 10 12]
 [14 16 18]]
>>> d=c*2
>>> print(d)
[[ 4  8 12]
 [16 20 24]
 [28 32 36]]
>>> e=d/c
>>> print(e)
[[ 2.  2.  2.]
 [ 2.  2.  2.]
 [ 2.  2.  2.]]
>>> print(b*e)
[[  2.   4.   6.]
 [  8.  10.  12.]
 [ 14.  16.  18.]]
>>> numpy.sin(b)
array([[ 0.84147098,  0.90929743,  0.14112001],
       [-0.7568025 , -0.95892427, -0.2794155 ],
       [ 0.6569866 ,  0.98935825,  0.41211849]])
>>> numpy.tan(b)
array([[ 1.55740772, -2.18503986, -0.14254654],
       [ 1.15782128, -3.38051501, -0.29100619],
       [ 0.87144798, -6.79971146, -0.45231566]])
>>> numpy.resize(b,[2,2])
array([[1, 2],
       [3, 4]])
>>> numpy.resize(b,[3,4])
array([[1, 2, 3, 4],
       [5, 6, 7, 8],
       [9, 1, 2, 3]])
>>> numpy.sum(b)
45
>>> zero=numpy.zeros((4,4))
>>> print(zero)
[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]
>>> zero=numpy.ones((4,4))
>>> print(zero)
[[ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]]

Scipy模块依赖于NumPy，但本身提供了更多数学工具。不仅可以进行矩阵运算，还可以求解线性方程组，积分运算，优化等。
不详细码出书上代码了，看看就过了，想来应该没可能用到。。。（略。。。）

可以使用Matplotlib来绘制函数图形。。。这里也过了。。。感觉用不到（略。。。）