安全工程专业课程

安全仿真与模拟基础

金洪伟 & 闫振国 & 王延平

西安科技大学安全科学与工程学院

返回目录⇡

如何浏览？

从浏览器地址栏打开 https://zimo.net/aqmn/；
点击章节列表中的任一链接，打开相应的演示文稿；
点击链接打开演示文稿，使用空格键或方向键导航；
按f键进入全屏播放，再按Esc键退出全屏；
按Alt键同时点击鼠标左键进行局部缩放；
按Esc或o键进入幻灯片浏览视图。

请使用最新版本浏览器访问此演示文稿以获得更好体验。

第 3 部分基于 Python 进行科学计算

第 2 章 SciPy

科学计算的基础算法包

1. SciPy 介绍

1.1 概述

前往 SciPy 官方网站

SciPy（发音 /ˈsaɪpaɪ/）是一个自由和开源的 Python 库，用于科学和工程计算。SciPy 包含多个模块，用于统计、最优化、积分、插值、线性代数、傅里叶变换、符号和图像处理、常微分方程求解，等等。

SciPy 基于 NumPy 构建，通过与 NumPy 数组配合，在操作和可视化数据方面提供了许多高级的命令和类，大大增强了 Python 的能力。

SciPy 在 BSD 协议下发布，其开发工作由一个开放的开发者社区赞助和支持。与之同类的软件还包括 MATLAB、GNU Octave、Scilab 等。

1.2 SciPy 的特色

基础算法。SciPy 提供了很多算法，用于解决各种问题，如最优化、积分、插值、特征值问题、代数方程、微分方程、统计，等等。
广泛适用。SciPy 提供的算法和数据结构可在各个领域广泛适用。
基础性。通过扩展 NumPy，提供了进行数组计算的额外工具，以及专用数据结构，如稀疏矩阵、k-d 树。
高性能。SciPy 包装了一些由 Fortran、C 和 C++ 等编译型高性能语言编写的高度优化的软件模块，可以同时享受 Python 的灵活性以及编译型代码的速度。
易用。SciPy 的高级语法使之可以被任意背景和经验等级的程序员高效使用。
开源。在 GitHub 上使用 BSD 协议发布，由社区开发和维护。

1.3 安装 SciPy

通过 pip 安装：

pip install scipy  # 或 python -m pip install scipy

通过 conda 安装：

conda install scipy

对于其他操作系统或包管理系统，可能需要用其他的安装方法，详见官方的安装指导。

1.4 SciPy 提供的子包

针对不同的科学计算领域，SciPy 提供了不同的子包，他们包括：

子包	描述	子包	描述
`cluster`	聚类算法	`constants`	物理和数学常量
`fftpack`	快速傅里叶变换例程	`integrate`	积分和常微分方程求解
`interpolate`	插值和平滑的样条曲线	`io`	输入和输出
`linalg`	线性代数	`ndimage`	N 维图像处理
`odr`	正交距离回归	`optimize`	最优化和求根例程
`signal`	信号处理	`sparse`	稀疏矩阵和相关例程
`spatial`	空间数据结构和算法	`special`	特殊函数
`stats`	统计分布和函数

1.5 关于本章

作业

要求：

将本章全部作业放在一个 安模作业03-02-学号-姓名.py 的源文件中，通过电子邮件以附件形式发给任课教师。
在源文件中以注释的形式醒目地写明本次作业对应的章编号、各个作业题的编号，并按要求写出解题思路、代码注释。
以上各题不能只有文字说明，而应同时有可执行的示例代码。
邮件标题统一用 安模作业03-02-学号-姓名 的形式。
所有关于作业的回答都以代码注释的形式写在源文件中，不需要再额外附加其他文档或图片，请保证代码执行不会发生错误。
待本次作业批改后，请通过此链接下载本次作业的参考答案。