书: https://pan.baidu.com/s/1hMg-9fMkkzntAfHoLymQMA?pwd=2tx9
笔记如下：
- SciPy生态系统概述
- SciPy与NumPy、Matplotlib、Pandas的协同关系
- 核心子模块：
scipy.optimize（优化）、scipy.integrate（积分）、scipy.signal（信号处理）
- 数值计算基础
- 特殊函数：贝塞尔函数（
scipy.special.jn）、伽马函数（scipy.special.gamma） - 快速傅里叶变换：
scipy.fft.fft实现频谱分析
- 线性代数进阶
- 稀疏矩阵运算：
scipy.sparse.csr_matrix存储与计算 - 矩阵分解：SVD（
scipy.linalg.svd）、QR分解
- 优化算法实践
- 函数最小值：
scipy.optimize.minimize（支持BFGS/牛顿法） - 全局优化：
scipy.optimize.differential_evolution - 曲线拟合：
scipy.optimize.curve_fit非线性最小二乘
- 数值积分技术
- 定积分计算：
scipy.integrate.quad自适应求积 - ODE求解：
scipy.integrate.solve_ivp处理常微分方程组
- 信号处理应用
- 滤波器设计：
scipy.signal.butter巴特沃斯滤波器 - 峰值检测：
scipy.signal.find_peaks - 时频分析：短时傅里叶变换（
scipy.signal.stft）
- 统计分析工具
- 概率分布：
scipy.stats.norm正态分布采样与检验 - 假设检验：t检验（
scipy.stats.ttest_ind）、卡方检验
- 插值与逼近
- 一维插值：
scipy.interpolate.interp1d（线性/三次样条） - 网格数据插值：
scipy.interpolate.griddata
- 图像处理技术
- 形态学操作：
scipy.ndimage.binary_erosion二值图像处理 - 图像滤波：
scipy.ndimage.gaussian_filter高斯平滑
- 空间算法应用
- 距离计算：
scipy.spatial.distance.cdist矩阵距离 - 凸包计算：
scipy.spatial.ConvexHull - Delaunay三角剖分：
scipy.spatial.Delaunay
- 距离计算：
- 稀疏矩阵优化
- 存储格式对比：CSR、CSC、COO
- 线性系统求解：
scipy.sparse.linalg.spsolve
- 并行计算加速
scipy.fft的多线程支持- 使用
joblib并行化SciPy运算
- 与NumPy深度集成
- 广播规则在SciPy函数中的应用
- 内存共享机制（
np.ndarray与SciPy对象互转）
- 文件IO处理
- 科学数据格式：
scipy.io.loadmat读取MATLAB文件 - 矩阵市场格式：
scipy.io.mmread加载稀疏矩阵
- 科学数据格式：
- 物理建模案例
- 薛定谔方程求解：
scipy.sparse.linalg.eigs - 热传导模拟：有限差分法实现
- 薛定谔方程求解：
- 机器学习支持
- 核函数计算：
scipy.spatial.distance.pdist - 层次聚类：
scipy.cluster.hierarchy.linkage
- 核函数计算：
- 性能调优技巧
- 避免循环：向量化运算优先
- 选择最优算法（如
scipy.optimize中不同求解器对比）
- 自定义函数扩展
- 编写Cython加速关键SciPy函数
- 使用
scipy.LowLevelCallable包装C函数
- 异常处理机制
- 收敛失败检测（如优化算法
OptimizeWarning） - 数值稳定性检查（条件数计算）
- 收敛失败检测（如优化算法
- 实际项目集成
- 与Pandas结合进行数据预处理
- 在Jupyter Notebook中交互式可视化结果