Scipy函式庫在numpy的基礎上增加了眾多的的數學，科學以及工程計算中常用的函式庫。什麼線性代數，訊號處理，影象處理等等，由於這個庫涉及到的領域眾多，不可能在這裡一一舉例說明。在這裡只介紹與資料分析相關的用法。

A.最小二乘擬合

   如果不知道最小二乘擬合是什麼請訪問度娘百科。Scipy中的子函式optimize已經提供了實現最小二乘擬合算法的函式leastsq。下面用leastsq進行資料擬合：

    說明：這個函式我們要擬合的函式是一個正弦波函式，他有三個引數A，k，theta。分別對應振幅，頻率，相角。假設我們的實驗資料是一組包含噪聲的資料x，y1，其中y1是在真實資料y0的基礎上加入噪聲的。通過leastsq函式對帶噪聲的實驗資料x，y1進行資料擬合，可以找到x和真實資料y0之間的正弦關係的三個引數：A，k，theta。

    我們看到擬合引數雖然和真實引數完全不同，但是由於正弦函式具有周期性，實際上擬合引數得到的函式和真實引數對應的函式是一致的。

B.函式最小值

   optimize庫提供了幾個求函式最小值的演算法：fmin,min_powell,fmin_cg,fmin_bfgs。

   下面的程式通過求解卷積的逆運算演示fmin的功能。對於一個離散的線性時不變系統h，如果它的輸入是x，那麼輸出y可以用x和h的卷積表示：y = x × h

    現在的問題是如果已知系統的輸入x和輸出y，如何計算系統的傳遞函式h；或者如果已知系統的傳遞函式h和系統的輸出y，如何計算系統的輸入x。這種運算被稱為反捲積運算，是十分困難的，特別是在實際的運用中，測量系統的輸出總是存在誤差的。下面用fmin計算反捲積，這種方法只能用在很小規模的數列之上，因此沒有很大的使用價值，不過用來評價fmin函式的效能還是不錯的。

  下面是輸出：

    Scipy還可以進行很多的運算，如對非線性方程的求解，B-Spline樣條曲線，對定積分的數值求解，解常微分方程組等。

參考資料：《python與資料科學》