数值运算

SciPy 标准集合中包含广泛的函数，用于执行各种数值计算操作，例如数值微分、线性代数、优化、积分和插值。 用户可以借助这些标准集合中的函数高效完成复杂的数学运算。

Statistical Functions

对于数据分析、假设检验、概率分布和描述性统计，SciPy 库提供了丰富的统计函数集合。 这些功能使用户能够研究和评估数据集，从数据输入中汲取重要洞察，并得出明智的结论。

信号和图像处理

SciPy 的信号和图像处理模块提供了滤波、傅里叶变换、小波变换和图像处理等方法。 在诸如计算机视觉、图像分析和数字信号处理等领域，这些技能对于科学和技术计算至关重要。

稀疏矩阵

稀疏矩阵是内存高效的数据结构，可用于管理大型稀疏数据集。 SciPy 支持它们。 在包括有限元分析、计算生物学和网络分析在内的应用中，稀疏矩阵经常被使用。

NumPy 集成

SciPy 可以轻松与 Python 核心库 NumPy 扩展结合，以高效执行数值例程。 这种集成使 NumPy 数组可以用作 SciPy 函数的输入和输出，从而确保两者之间的源代码兼容性和互操作性。

优化

SciPy 拥有可用以解决限制和无约束优化问题的优化算法。 这些算法对于包括模型拟合算法、参数估计算法和目标函数优化算法在内的各种优化任务都很有帮助。

积分和微分方程

SciPy 具有解决积分方程、偏微分方程和常微分方程 (ODEs, PDEs) 的函数。 用户可以使用这些工具求解边值问题、模拟物理过程和模拟动态系统。

稀疏线性代数

SciPy 提供用于稀疏线性代数活动的函数，除了稀疏矩阵函数外，还有用于系统求解线性代数的各种函数。

安装说明

您可以使用 pip 从 PyPI 安装 SciPy 软件包：

pip install scipy
# or
python -m pip install scipy

pip install scipy
# or
python -m pip install scipy

或者，您可以使用 conda 从 defaults 或 conda-forge 频道安装 SciPy：

conda install scipy

conda install scipy

要了解有关 SciPy 安装的更多信息，请访问 安装指南。

导入必要的模块

安装SciPy包后，将必要的模块导入您的Python脚本：

import numpy as np
from scipy import optimize

import numpy as np
from scipy import optimize

这里，我们导入用于优化任务的 SciPy 中的 optimize，以及 NumPy 作为 np。

定义一个目标函数

在这种情况下，我们将构建一个我们希望最小化的简单目标函数。让我们定义一个符号化基本数学公式的函数：

# Define an objective function
def objective(x):
    """Calculates the objective function value for a given x."""
    return x**2 + 10*np.sin(x)

# Define an objective function
def objective(x):
    """Calculates the objective function value for a given x."""
    return x**2 + 10*np.sin(x)

此函数采用单个参数 x 并输出 x**2 + 10*np.sin(x)，其中 x 为参数。

找到目标函数的最小值

接下来，我们将使用 SciPy 的优化包确定目标函数的最小值。 这里将使用 optimize 模块中的 minimize 函数：

# Find the minimum of the objective function
result = optimize.minimize(objective, x0=0)

# Find the minimum of the objective function
result = optimize.minimize(objective, x0=0)

minimize 减少了目标函数，初始猜测最小值为 (x0=0)。 结果变量包含优化结果。

什么是 IronPDF？ [IronPDF for Python](/python/) 本质上是用于创建、修改和处理 PDF 文件的 Python 库。 Python 脚本可以像使用常规 Python 函数一样使用 **IronPDF** 函数。 作为替代方案，您可以使用 IronPDF 建立一个基于 .NET 的网络服务，并通过 HTTP 请求从 Python 与其通信。 通过任一方法，Python 开发者无需离开他们喜欢的 Python 环境即可利用 IronPDF 的强大 PDF 操作功能。  ## IronPDF 的关键功能 ### HTML 到 PDF 转换 从 HTML 信息中创建 PDF 文档，包括 JavaScript 和 CSS 样式。 在创建的 PDF 中保持原始 HTML 内容的结构、格式和交互性。 #### URL到PDF转换 通过插入从网络应用程序或网页动态生成的内容，从 URL 直接创建 PDF 文档。 协助网站截图并将其转换为 PDF。 ### 图像到PDF转换 从图像（JPG、PNG、BMP 和 GIF）创建 PDF 文档。 通过将图像无缝嵌入文档，轻松在 PDF 文件中包含图形和其他视觉元素。 ### 文档操作 将多个 PDF 文件合并为一个 PDF 文件。根据预定参数将 PDF 文件分割成单独的文件。 从 PDF 文件中提取特定页面或页面部分。 将页面添加、附加或插入到现有 PDF 文档中。您可以删除、旋转或重新排列 PDF 文件中的页面。 ### 前提条件 所需 .NET SDK：由于 IronPDF for Python 依赖于 .NET 6 运行时作为其底层技术，因此必须在您的计算机上安装 .NET 6.0 SDK。 可以在 .NET 的[下载页面](https://dotnet.microsoft.com/en-us/download)上下载。 ### 安装IronPDF 安装[IronPDF](https://pypi.org/project/IronPdf/)的第一步是使用 pip。 ```shell :ProductInstall ``` ## 开始 Setting up both libraries in your Python environment and presenting a basic example of writing code and how to use them together are the first steps in getting started writing code together with [**SciPy Python**](https://scipy.org/) and [**IronPDF**](/python/). ### 导入必要的模块 一旦在系统上安装了 **SciPy** 和 **IronPDF** 软件包，即可为您的 Python 脚本引入必要的模块。 ```python import numpy as np from scipy import optimize from ironpdf import * ``` 在这里，我们从 IronPDF 引入 IronPDF 类，从 SciPy 引入 optimize 模块，并将 NumPy 作为 `np` 引入。 ### 使用 SciPy 和 IronPDF 使用 SciPy 中的优化模块定义您想要最小化的目标函数。利用 SciPy 中的优化模块确定目标函数的最小值。 请让我们使用 IronPDF 动态生成 PDF 文档。 ```python # Define an objective function def objective(x): """Calculates the objective function value for a given x.""" return x**2 + 10*np.sin(x) # Find the minimum of the objective function result = optimize.minimize(objective, x0=0) # Create a PDF with the result renderer = ChromePdfRenderer() html_content = f"

Minimum value: {result.fun}

Optimal solution: {result.x}