【机器学习】Scipy模块函数

scipy.cluster：聚类相关
1. scipy.fftpack：快速傅里叶变换相关
2. scipy.integrate：积分和常微分方程求解相关
3. scipy.interpolate：插值相关
4. scipy.io：输入输出相关
5. scipy.optimize：优化相关
6. scipy.signal：信号处理相关
7. scipy.sparse：稀疏矩阵相关
8. scipy.stats：统计相关
9. scipy.ndimage：N维图像处理相关
10. scipy.misc：图像处理相关
11. scipy.maxentropy：最大熵相关
12. scipy.constant：物理和数学常数相关
13. scipy.special：特殊函数

import scipy as sp
# 插值模块interpolate
sp.interpolate.inter1d()#一维插值
sp.interpolate.inter2d()#二维插值
sp.interpolate.internd()#n维插值
插值函数中kind参数：
‘nearest’：最近邻插值
‘zero’：零阶插值
‘linear’：线性插值（一次插值）
 ‘quadratic’：二次插值
‘cubic’：三次插值
数字4，5，6，7为更加高阶的插值方法
# 统计相关模块stats
sp.stats.norm.rvs()#标准正态分布
sp.stats.norm.fit()#估算正态分布的参数
sp.stats.norm.pdf()#计算对应位置的概率密度
sp.state.norm.ppf()#找到标准正态分布中概率恰好为一半的点
sp.stats.expon()#指数分布
sp.stats.norm.cdf()#累积分布函数
sp.stats.norm.sf()#残存函数
sp.stats.norm.isf()#逆残存函数
sp.stats.t()#t分布
sp.stats.beta()#beta分布
sp.stats.gamma()#gamma分布
sp.stats.hypergeom()#超几何分布
sp.stats.lognorm()#对数正态分布
sp.stats.uniform()#均匀分布
sp.stats.chi2()#卡方分布
sp.stats.cauchy()#柯西分布
sp.stats.laplace()#拉普拉斯分布
sp.stats.rayleigh()#瑞利分布
sp.stats.randint()#离散均匀分布
sp.stats.f()#f分布
sp.stats.binom()#二项分布
sp.stats.poisson()#泊松分布
sp.stats.rv_continuous()#自定义连续分布
sp.stats.rv_discrete()#自定义离散分布
sp.stats.mode()#计算数据的众数
sp.stats.skew()#计算数据的偏度
sp.stats.kurtosis()#计算数据的峰度
sp.stats.ttest_rel()#配对样本t检验
sp.stats.ttest_ind()#独立样本t检验
sp.stats.ttest_1samp()#单样本t检验
#优化模块optimize
sp.optimize.leastsq()#函数的最小二乘估计
sp.optimize.curve_fit()#函数的曲线拟合
sp.optimize.minimize()#函数的最小值
sp.optimize.rosen()#Rosenbrock函数(用来测试效果的非凸函数)
sp.optimize.root()#方程求根
sp.optimize.dual_annealing()#退火优化方法
#积分模块
sympy.init_printing()#初始化Sympy符号变量的显示
sympy.symbols()#产生Sympy符号变量
sympy.sqrt()#符号变量开方
sympy.sin()#符号变量求正弦
sympy.integrate()#符号变量求积分
sp.specail.jv()#贝塞尔函数
sp.intergrate.quad()#利用函数进行数值积分
sp.integrate.dblquad()#利用函数进行双重数值积分
sp.integrate.simps()#利用采样点进行数值积分
sp.integrate.trapz()#利用采用点进行数值积分
#稀疏矩阵模块
sp.sparse.coo_matrix()#创建COO类型的稀疏矩阵
sp.sparse.find()#查找稀疏矩阵中非零值及其坐标
#线性代数模块
sp.linalg.inv()#矩阵的逆
sp.linalg.solve()#线性方程组求解
sp.linalg.det()#求矩阵的行列式
sp.linalg.norm()#求矩阵或者向量的范数
sp.linalg.pinv()#求矩阵的广义逆
sp.linalg.eig()#矩阵的特征值分解
sp.linalg.svd()#矩阵的奇异值分解
#图像处理模块
sp.ndimage.ndimage.median_filter()#中值滤波
sp.ndimage.ndimage.guassian_filter()#高斯滤波
sp.signal.wiener()#维也纳滤波
sp.ndimage.ndimage.shift()#移动坐标
sp.ndimage.ndimage.rotate()#旋转坐标
sp.ndimage.ndimage.zoom()#缩放图片
sp.misc.imread()#读取图像
sp.misc.imresize()#改变图像尺寸
sp.misc.imsave()#保存图像