SciPy 是一个用于数学、科学和工程的开源 Python 库，它基于 NumPy 扩展了大量的功能，并增加了优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理、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。
SciPy 的主要模块包括：
优化和根查找（Optimization and root finding）：SciPy 提供了许多函数来进行优化（例如找到函数的最小值或最大值）和根查找（例如求解方程的解）。
线性代数（Linear algebra）：包括矩阵运算、矩阵分解、线性方程组求解等。
积分和插值（Integration and interpolation）：提供了数值积分和插值的方法。
信号处理（Signal processing）：用于信号处理的各种功能，如滤波、频谱分析等。
图像处理（Image processing）：包括滤波、变换等操作。
特殊函数（Special functions）：如概率分布函数、统计函数等。
离散傅里叶变换（Discrete Fourier Transforms）：用于信号和图像的频域分析。
常微分方程求解（Ordinary Differential Equations (ODE) solvers）：用于求解常微分方程。
使用 SciPy 可以非常方便地进行各种科学和工程计算。以下是一个简单的 SciPy 使用示例，用于计算一维高斯分布的概率密度函数（PDF）：
import numpy as np
from scipy.stats import norm
# 定义均值和标准差
mu, sigma = 0, 0.1
# 创建一个正态分布对象
s = norm(mu, sigma)
# 计算某个点的概率密度函数值
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100)
pdf_values = s.pdf(x)
# 输出PDF值
print(pdf_values)
在使用 SciPy 时，通常会结合 NumPy 一起使用，因为 SciPy 的很多函数都依赖于 NumPy 的数组对象。
为了使用 SciPy，你需要先安装它。你可以使用 pip 来安装：
pip install scipy
SciPy 是一个功能强大的库，为 Python 提供了丰富的科学计算工具，使得在 Python 中进行数据分析、机器学习和科学计算变得更为便捷。
