本章主要介绍scipy库的相关知识。
比如矩阵的压缩（csr_matrix）有两种创建方式，数值积分（integrate定积分），插值等功能。
scipy库可以进行插值，积分，求解微分方程，拟合与优化等。
目录
1. 矩阵压缩成稀疏矩阵csr_matrix
2. 使用interpolate插值
3. 利用integrate计算积分
1. 矩阵压缩成稀疏矩阵csr_matrix
分为两种创建方式：
（1）三个参数为row，col和data三个一维数组；
（2）三个参数为indptr，data和indics三个一维数组；
第一种： matrix=csr_matrix((data,(row,col)),shape=(3,3)) 第二种： matrix=csr_matrix((data,indices,indptr),shape=(3,3))
第一种示例：
from scipy.sparse import * row=[0,2,1,0] col=[0,1,1,2] data=[4,2,3,6] array=csr_matrix((data,(row,col)),shape=(3,3)) print(array) print(array.toarray()) 输出： (0, 0) 4 (0, 2) 6 (1, 1) 3 (2, 1) 2 [[4 0 6] [0 3 0] [0 2 0]]
第二种实例：
关于数据解释：
indptr参数：0表示默认起始点，0之后有几个数字就表示有几行数据。每一行的数据个数为后一个减去前一个的差值。第一个数字2表示第一行有2-0=2个数字，即1和2；第二行有3-2=1个数字，即3；第三行有6-3=3个数字，即4，5，6。
indices：表示 各个数据在各行的下标，也就是列的标号， 从该数据我们可以知道：数据1在某行的0位置处， 数据2在某行的2位置处，6在某行的2位置处。 显然，我们从indptr参数能得到行号。
2. 使用interpolate插值
此处使用两种插值方法：线性插值和三次样条插值。
其中新的x轴坐标都是自己设置的均匀个数坐标，y轴是根据函数生成的插值坐标。
import numpy as np from scipy import interpolate x=np.linspace(0,10*np.pi,num=20) y=np.cos(x) xnew=np.linspace(0,10*np.pi,num=500) f1=interpolate.interp1d(x,y,kind='slinear') #线性插值 y1=f1(xnew) # plt.plot(xnew,y1,'g') ipo3=interpolate.splrep(x,y,k=3) # 三次样条插值 y2=interpolate.splev(xnew,ipo3) # plt.plot(xnew,y2,'b')
3. 利用integrate计算积分
integrate模块提供了好几种数值积分的方法，包括：
- quad() - 一元定积分
- dblquad() - 二元定积分
- triquad() - 三元定积分
- odeint() - 计算常微分方程组的数值解
传入参数为函数和积分上下限，返回参数为积分结果（即面积）和误差。函数需要写一个def实现。
下面为计算一元积分的例子。
from scipy import integrate
def func(x):
# print("x=",x) #用于展示quad()函数对func的多次调用
return x+1
area,err=integrate.quad(func,0,3)
具体可参考：Python求解数值积分-定积分求解 - 知乎 (zhihu.com)
