SciPy 教程-SciPy 统计
scipy.stats 包含大量统计学和概率分布函数。可以通过 info(stats) 获取统计函数的列表。还可以从统计子包的 docstring 中获取随机变量的列表。
SciPy 教程-SciPy Optimize
SciPy优化包提供了多种常用的优化算法。这个模块包含以下方面：全局优化程序（暴力搜索，anneal()，盆地跳跃）使用多种算法（BFGS，Nelders-Mead单纯形，牛顿共轭梯度，COBLYA）对多变量标量函数进行无约束和约束最小化（minimize()）。最小二乘最小化算法（leastsq()和曲线拟合()）标量单变量函数最小化器（minimizer_scalar()和根查找器newton()）
SciPy 教程-SciPy 多维图像处理
SciPy 提供了 ndimage（n维图像）包，其中包含许多用于通用图像处理和分析的函数。它专用于图像处理。我们可以执行图像处理中的多种任务，如图像的输入/输出、分类、特征提取、注册等。
SciPy 教程-SciPy 线性代数
SciPy 建立在 ATLAS LAPACK 和 BLAS 库之上，提供了非常快速的线性代数功能。线性代数例程接受二维数组对象，并且输出也是二维数组。如果我们想要更快的计算速度，那么我们必须在这方面深入研究。
SciPy 教程-SciPy 输入和输出
SciPy.io（输入和输出）包支持广泛的函数，用于处理不同格式的文件。这些格式包括：MatlabIDL矩阵市场（Matrix Market）WaveArffNetcdf 等
SciPy 教程-SciPy 插值
插值被定义为在直线或曲线上两点之间找到一个值。单词的第一部分 "inter" 意味着 "进入"，这提示我们要查看数据内部。换句话说，"在精确数据点之间估计中间值称为插值"。在统计学、科学和商业中，或者当需要预测存在于两个现有数据点之间的值时，插值非常有用。
SciPy 教程-SciPy 积分
有时一个函数非常复杂无法进行解析积分，或者无法用解析方法积分；这时，可以使用数值积分方法求解。SciPy 提供了一些用于执行数值积分的例程。scipy.integrate 库包含了大多数这些函数。
SciPy 教程-SciPy FFTpack
FFT 代表 快速傅里叶变换。傅里叶变换将时域信号转换为频域信号。它将波形（函数或信号）分解为另一种由正弦和余弦表示的表达形式。它可以转换周期性时域信号，而拉普拉斯变换可以转换周期性和非周期性信号。傅里叶变换的一个限制是，它只能转换稳定的时域信号。SciPy 提供了 fftpack 模块，用于计算傅里叶变换。
SciPy 教程-SciPy 常数
scipy.constant 包提供了广泛的常数，这些常数在科学领域中被广泛使用。我们可以导入所需的各种物理、数学常数和单位，并根据需要使用它们。
SciPy 教程-SciPy 聚类
聚类是将数据集划分为包含相似数据点的组的过程。例如，购物商场中的物品是如何排列的。同一组中的数据点应尽可能相同，并且应与其他组不同。有两种类型的聚类，分别是：中心型层次型k-均值聚类算法是一个简单的无监督算法，用于预测未标记数据集中的分组。预测基于存在的聚类中心数量(k)和最近的平均值（以观测值之间的欧几里得距离计算）。
