• هیچ محصولی در سبد خرید نیست.

کتابخانه scipy

چرا scipy

کتابخانه scipy یک نرم افزار open-source برای ریاضیات، علوم و مهندسی در پایتون است. این کتابخانه به کتابخانه NumPy وابسته است ، که امکان دسترسی سریع به آرایه ی N بعدی را فراهم می کند. به عبارت دیگر کتابخانه scipy برای کار با آرایه های کتابخانه NumPy ساخته شده است.  بسیاری از کارها و محاسبات روتین کاربرپسند و کارآمد برای اعداد مثل ادغام و بهینه سازی اعداد را فراهم می کند. همچنین این کتابخانه شامل ابزارهایی مثل Matplotlib، pandas  و SymPy و مجموعه گسترده ای از کتابخانه  های محاسبات علمی است. روی تمام سیتم عامل های محبوب به سرعت و رایگان نصب و اجرا می شود. اگر نیاز دارید که اعداد را در کامپیوتر شخصی خود دستکاری کنید و نتایج را نمایش داده یا منتشر کنید از scipy استفاده کنید.

تاریخچه scipy :

در سال ۱۹۹۰ پایتون شامل یک نوع آرایه برای محاسبات عددی به نام Numeric شد. از سال ۲۰۰۰ تعداد ماژول های  افزایشی و فزاینده ای برای ایجاد محیط کاملی برای محاسبات علمی و فنی به وجود آمد. در سال ۲۰۰۱  Travis Oliphant، Eric Jones, و Pearu Peterson کدهای خود را ادغام کردند و پکیج ایجاد شده را scipy نامیدند. بسته ی ایجاد شده مجموعه استانداردی از عملیات عددی رایج را در بالای ساختار آرایه عددی ارائه می دهد.scipycreator

نصب

برای نصب کتابخانه به این صفحه مراجعه فرمایید.

کاربردها scipy :

  • بهینه سازی
  • جبر خطی
  • ادغام
  • درون یابی
  • توابع خاص
  • پردازش سیگنال و تصویر
  • حل کننده های ODE
  • FFT

پروژه هایی که بر مبنای کتابخانه scipy ساخته شده اند:

  • Inkscape : یک ویرایگر گرافیکی بردار است.
  • PyPedal : ابزاری برای تجزیه و تحلیل پرونده های ژنتیکی است.
  • PanelCheck : ابزاری است که به کاربر امکان کنترل پنل های حسی با عملکرد های مختلف را می دهد.
  • PyMC : یک ماژول پایتون است که الگوریتم  Metropolis-Hastings را به عنوان کلاس پایتون پیاده سازی می کند. بسیار انعطاف پذیر است و برای مجموعه گسترده ای از مشکلات کاربرد دارد.

محیط اجرا

قابل نصب و اجرا در سیستم عامل های Windows،  OSX و Linux

لیست مسائلی که از scipy استفاده می کنند:

  • الگوریتم های خوشه بندی
  • ثابت های ریاضی و فیزیک
  • تبدیل سریع
  • حل مسائل و معادلات دیفرانسیلی معمولی
  • درون یابی با درهم آمیختگی و صاف کردن خط
  • ورودی و خروجی (io)
  • جبر خطی
  • پردازش تصویر  n بعدی
  • رگرسیون فاصله متعامد
  • بهینه سازی و ریشه یابی
  • پردازش سیگنال
  • حل ماتریس های پراکنده و روند مرتبط با آن
  • ساختار و الگوریتم داده های  فضایی
  • توابع خاص
  • توزیع عملکرد آماری

ویژگی های scipy:

  • Open-source
  • ساده و سریع
  • دستورالعمل و کلاس های سطح بالا برای تجسم و دستکاری داده ها
  • کلاس ها، web  و پایگاه داده برای برنامه نویسی موازی
  • ارتباط قدرتمند و تعاملی با پایتون

روند بهبود کتابخانه scipy تا به امروز:

scipyimprovement

به طور کلی از سال ۲۰۰۱ که کتابخانه scipy منتشر شده است به یک استاندارد علمی برای اعمال الگوریتم های علمی در پایتون تبدیل شده است. بیش از ۶۰۰ کد مشارکتی منحصر به فرد، هزاران پکیج وابسته، بیش از ۱۰۰۰۰۰ مخزن وابسته مثل GitHub و میلیون ها دانلود در هر سال نشان دهنده اهمیت این کتابخانه است.

به عبارت دیگر این کتابخانه مجموعه ای از الگوریتم های عددی و دامنه گسترده ای از جعبه ابزارهای از جمله پردازش سیگنال، بهینه سازی، آمار و موارد دیگر است. محیط scipy شامل ابزار های عمومی و تخصصی برای مدیریت داده ها و محاسبه، آزمایش تولیدی و محاسبات با کارایی بالا است.

کتابخانه TensorFlow

کتابخانه PyTorch

کتابخانه Keras

مقایسه TensorFlow و Keras

مقایسه PyTorch و Keras

مقایسه TensorFlowوPyTorch

کتابخانه scikit-learn

دیگر کتابخانه های پایتون

کتابخانه Theano

کتابخانه NumPy

مطالعه بیشتر

0 0 votes
Article Rating
Subscribe
Notify of
guest
0 Comments
Inline Feedbacks
View all comments

درباره ما

پایتونی/تیم توسعه زبان برنامه نویسی پایتون ، اولین ارایه دهنده خدمات هوش مصنوعی بر بستری ابری ایران می باشد . هدف اصلی پایتونی ها ساخت یک جامعه از توسعه دهندگان به روز ترین و کاربردی ترین زبان برنامه نویسی دنیا در ایران است .

 

logo-samandehi

[form to=”[email protected]” subject=”Subject”] [form_element type=”text” validate=”email” options=”” placeholder=”ایمیل”] [form_element type=”submit” validate=”” options=”” placeholder=”ارسال”] [/form]

 

 

X