Scipy教程

      python在科学计算领域有三个非常受欢迎库，numpy、SciPy、matplotlib。numpy是一个高性能的多维数组的计算库，SciPy是构建在numpy的基础之上的，它提供了许多的操作numpy的数组的函数。SciPy是一款方便、易于使用、专为科学和工程设计的python工具包，它包括了统计、优化、整合以及线性代数模块、傅里叶变换、信号和图像图例，常微分方差的求解等，SciPy完整的教程https://docs.scipy.org/doc/scipy/reference/index.html。

一、SciPy教程

1. 介绍
2. 基本功能
3. 特殊功能（scipy.special）
4. 整合（scipy.integrate）
5. 优化（scipy.optimize）
6. 插值（scipy.interpolate）
7. 傅立叶变换（scipy.fftpack）
8. 信号处理（scipy.signal）
9. 线性代数（scipy.linalg）
10. ARPACK的稀疏特征值问题
11. 压缩稀疏图例程（scipy.sparse.csgraph）
12. 空间数据结构和算法（scipy.spatial）
13. 统计数据（scipy.stats）
14. 多维图像处理（scipy.ndimage）
15. 文件IO（scipy.io）

二、API参考

所有函数和类的确切API，由docstrings给出。 API记录了所有函数的预期类型和允许的功能，以及算法可用的所有参数。

1. 集群包（scipy.cluster）
2. 常数（scipy.constants）
3. 离散傅立叶变换（scipy.fftpack）
4. 集成和ODE（scipy.integrate）
5. 插值（scipy.interpolate）
6. 输入和输出（scipy.io）
7. 线性代数（scipy.linalg）
8. 杂项例程（scipy.misc）
9. 多维图像处理（scipy.ndimage）
10. 正交距离回归（scipy.odr）
11. 优化和根查找（scipy.optimize）
12. 信号处理（scipy.signal）
13. 稀疏矩阵（scipy.sparse）
14. 稀疏线性代数（scipy.sparse.linalg）
15. 压缩稀疏图例程（scipy.sparse.csgraph）
16. 空间算法和数据结构（scipy.spatial）
17. 特殊功能（scipy.special）
18. 统计函数（scipy.stats）
19. 掩码数组的统计函数（scipy.stats.mstats）
20. 低级回调函数