<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh">
	<id>https://arolstar52-zhtest.hf.space/index.php?action=history&amp;feed=atom&amp;title=SciPy</id>
	<title>SciPy - 版本历史</title>
	<link rel="self" type="application/atom+xml" href="https://arolstar52-zhtest.hf.space/index.php?action=history&amp;feed=atom&amp;title=SciPy"/>
	<link rel="alternate" type="text/html" href="https://arolstar52-zhtest.hf.space/index.php?title=SciPy&amp;action=history"/>
	<updated>2026-06-30T08:36:11Z</updated>
	<subtitle>在这个wiki上该页的修订历史</subtitle>
	<generator>MediaWiki 1.43.8</generator>
	<entry>
		<id>https://arolstar52-zhtest.hf.space/index.php?title=SciPy&amp;diff=677936&amp;oldid=prev</id>
		<title>imported&gt;ExultantEditor 来自 2025年12月26日 (五) 16:39</title>
		<link rel="alternate" type="text/html" href="https://arolstar52-zhtest.hf.space/index.php?title=SciPy&amp;diff=677936&amp;oldid=prev"/>
		<updated>2025-12-26T16:39:47Z</updated>

		<summary type="html">&lt;p&gt;&lt;/p&gt;
&lt;p&gt;&lt;b&gt;新页面&lt;/b&gt;&lt;/p&gt;&lt;div&gt;{{Distinguish|ScientificPython}}&lt;br /&gt;
{{NoteTA|G1=IT|G2=FL|G3=Math}}&lt;br /&gt;
{{Infobox software&lt;br /&gt;
| name = SciPy&lt;br /&gt;
| screenshot = [[Image:NumPyOptimizationSmall.png|270px]]&lt;br /&gt;
| caption = 绘制贝塞尔函数并寻找其局部极大值的示例。&lt;br /&gt;
| author = {{le|Travis Oliphant}}, Pearu Peterson, Eric Jones&lt;br /&gt;
| developer = 社区项目&lt;br /&gt;
| released = 约2001年&lt;br /&gt;
| latest release = {{LSR/wikidata}}&lt;br /&gt;
| operating system = [[跨平台]]&lt;br /&gt;
| genre = [[数学软件]]&lt;br /&gt;
| license = [[BSD许可证]]&lt;br /&gt;
| website = http://www.scipy.org/&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&amp;#039;&amp;#039;&amp;#039;SciPy&amp;#039;&amp;#039;&amp;#039;是一个[[开源]]的[[Python]]算法库和数学工具包。SciPy包含的模块有[[最优化]]、[[线性代数]]、[[积分]]、[[插值]]、[[特殊函数]]、[[快速傅里叶变换]]、[[信号处理]]和[[图像处理]]、[[常微分方程]]求解和其他科学与工程中常用的计算。&lt;br /&gt;
&lt;br /&gt;
SciPy目前在[[BSD许可证]]下发布。它的开发最初由{{le|Enthought}}资助。与其功能相类似的软件还有[[MATLAB]]、[[GNU Octave]]和[[Scilab]]。&lt;br /&gt;
&lt;br /&gt;
== 组成 ==&lt;br /&gt;
SciPy工具包是Python科学计算的核心，其功能根据功能分成如下子包：&lt;br /&gt;
&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;cluster&amp;#039;&amp;#039;&amp;#039;（聚类）：[[层次聚类]]，[[向量量化]]，[[K-均值聚类]]。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;constants&amp;#039;&amp;#039;&amp;#039;（常数）：[[物理常數|物理常数]]和换算系数。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;datasets&amp;#039;&amp;#039;&amp;#039;（数据集）：装载SciPy[[数据集]]。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;fft&amp;#039;&amp;#039;&amp;#039;：[[快速傅里叶变换|快速]][[离散傅里叶变换|离散]][[傅里叶变换]]算法。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;fftpack&amp;#039;&amp;#039;&amp;#039;（fft包）：遗留的离散傅里叶变换接口。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;integrate&amp;#039;&amp;#039;&amp;#039;（积分）：[[數值積分|数值积分]]工具。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;interpolate&amp;#039;&amp;#039;&amp;#039;（插值）：[[插值]]工具。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;io&amp;#039;&amp;#039;&amp;#039;：数据[[输入输出]]，支持读写[[MATLAB]]文件、读[[IDL语言|IDL]]文件、读写{{le|Matrix Market交换格式|Matrix Market exchange formats|Matrix Market}}文件、非格式化[[FORTRAN]]文件、[[netCDF]]的CDF-1与CDF-2格式文件、{{le|Harwell-Boeing文件格式|Harwell-Boeing file format|Harwell-Boeing}}文件、[[WAV]]声音文件和读[[紐西蘭秧雞|Arff]]文件。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;linalg&amp;#039;&amp;#039;&amp;#039;：[[线性代数]]工具。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;misc&amp;#039;&amp;#039;&amp;#039;（杂项）：杂项例如示例图片。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;ndimage&amp;#039;&amp;#039;&amp;#039;（n-维图像）：用于多维[[图像处理]]的函数。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;ODR&amp;#039;&amp;#039;&amp;#039;：{{Link-en|全体最小二乘法|Total_least_squares|正交距离回归}}（Orthogonal Distance Regression）的类与算法。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;optimize&amp;#039;&amp;#039;&amp;#039;（优化）：[[最优化|优化]]算法例如[[线性规划]]。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;signal&amp;#039;&amp;#039;&amp;#039;（信号）：[[信号处理]]工具。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;sparse&amp;#039;&amp;#039;&amp;#039;（稀疏）：[[稀疏矩阵]]及相关算法。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;spatial&amp;#039;&amp;#039;&amp;#039;（空间）：空间结构有关算法如[[k-d树]]、[[最邻近搜索]]、[[凸包]]等。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;special&amp;#039;&amp;#039;&amp;#039;（特殊）： 特殊函数。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;stats&amp;#039;&amp;#039;&amp;#039;（统计）：[[统计]]函数，如[[概率分布]]、{{le|汇总统计量|Summary statistics}}、[[频率 (统计学)|频率]][[统计量]]、[[假设检验]]、[[相关 (概率论)|相关]]、[[重抽样]]、[[蒙特卡罗方法]]、[[列联表]]。&lt;br /&gt;
早先版本中的&amp;#039;&amp;#039;&amp;#039;weave&amp;#039;&amp;#039;&amp;#039;（编织）模块，用于在Python代码中包含C/C++代码的工具，现已弃用，被[[Cython]]取代&amp;lt;ref&amp;gt;{{Cite web|title=SciPy 0.15.0 Release Notes — SciPy v1.6.2 Reference Guide|url=https://docs.scipy.org/doc/scipy/reference/release.0.15.0.html#deprecated-features|access-date=2021-04-13|website=docs.scipy.org|archive-date=2021-04-13|archive-url=https://web.archive.org/web/20210413135720/https://docs.scipy.org/doc/scipy/reference/release.0.15.0.html#deprecated-features|dead-url=yes}}&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 数据结构 ==&lt;br /&gt;
SciPy的基础数据结构是由[[NumPy]]模块提供的多维[[阵列编程|阵列]]。NumPy提供了一些有关[[线性代数]]、[[傅里叶变换]]和[[随机数生成]]的函数，但不具备SciPy中对应函数的通用性。NumPy还可以作为任意[[数据类型]]的高效多维数据容器，这使得NumPy可以快速无缝地和众多[[数据库]]集成。 旧版SciPy使用Numeric作为阵列类型，但现已弃用，新版SciPy改用Numpy实现的阵列。&amp;lt;ref&amp;gt;{{cite web|title=NumPy Homepage|url=http://www.numpy.org/|access-date=2023-03-10|archive-date=2011-04-14|archive-url=https://web.archive.org/web/20110414095016/http://www.numpy.org/|dead-url=no}}&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 历史 ==&lt;br /&gt;
在1990年代，Python引入了用于数值计算的阵列类型Numeric（这个包最终被{{Link-en|Travis Oliphant|Travis_Oliphant}}编写的[[NumPy]]取代）；此后，扩展模块数量不断增加，许多人对一个完整的科学技术计算环境感兴趣。2001年，Travis Oliphant、Eric Jones和Pearu Peterson合并了他们编写的代码，并将结果包命名为SciPy。新创建的包对Numeric数据结构提供了常见数值运算。此后不久，Fernando Pérez发布了[[IPython]]（增强型交互式shell，在科学计算界广泛使用）；John Hunter发布了[[Matplotlib]]（2D绘图库）的第一个版本，SciPy环境继续增长，并增加了更多用于科学计算的工具。&amp;lt;ref&amp;gt;{{cite web|title=History of SciPy|url=https://wiki.scipy.org/History_of_SciPy|access-date=2023-03-10|archive-date=2015-07-09|archive-url=https://web.archive.org/web/20150709081644/http://wiki.scipy.org/History_of_SciPy|dead-url=yes}}&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;{{cite web|title=Guide to NumPy|url=http://csc.ucdavis.edu/~chaos/courses/nlp/Software/NumPyBook.pdf|access-date=2023-03-10|archive-date=2013-10-19|archive-url=https://web.archive.org/web/20131019124436/http://csc.ucdavis.edu/~chaos/courses/nlp/Software/NumPyBook.pdf|dead-url=no}}&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;{{cite web|title=Python for Scientists and Engineers|url=http://www.computer.org/csdl/mags/cs/2011/02/mcs2011020009.html|access-date=2023-03-10|archive-date=2019-02-19|archive-url=https://web.archive.org/web/20190219031439/https://www.computer.org/csdl/mags/cs/2011/02/mcs2011020009.html|dead-url=no}}&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 参考文献 ==&lt;br /&gt;
{{reflist|2}}&lt;br /&gt;
&lt;br /&gt;
==外部链接==&lt;br /&gt;
* [http://www.scipy.org/ SciPy官方网站]{{Wayback|url=http://www.scipy.org/ |date=20100619063909 }}&lt;br /&gt;
* Dave Kuhlman的[https://web.archive.org/web/20100413212429/http://www.rexx.com/~dkuhlman/scipy_course_01.html SciPy课程大纲]&lt;br /&gt;
* [http://www.scipy.org/doc/api_docs/ SciPy API参考]{{Wayback|url=http://www.scipy.org/doc/api_docs/ |date=20110611092151 }}&lt;br /&gt;
{{SciPy ecosystem}}&lt;br /&gt;
&lt;br /&gt;
{{DEFAULTSORT:Scipy}}&lt;br /&gt;
[[Category:科学软件]]&lt;br /&gt;
[[Category:开源软件]]&lt;br /&gt;
[[Category:Python軟體]]&lt;br /&gt;
[[Category:Python库]]&lt;br /&gt;
[[Category:Python科学库]]&lt;br /&gt;
{{free-software-stub}}&lt;/div&gt;</summary>
		<author><name>imported&gt;ExultantEditor</name></author>
	</entry>
</feed>