搜索资源列表
errwin_sliding_with_sigma_loop.py
- Guassian 2d filter : using numpy, matplotlib and scipy in python. Could be used for Image processing purposes
Lagrange-20091004
- Lagrange configurator for python (beta) lagrange 小程式，请參考-The current version of Lagrange requires that Python is already installed on your computer. It also requires two Python libraries: scipy and numpy. On Windows, i
scipy-0.9.0b1
- SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。-SciPy is package of tools for science and engineering for Python. It includes modules for statistics, optimization, integration, linear algeb
DE.python
- Python实现的差分进化算法源代码 使用Python实现的差分进化算法，引用到Numpy和Scipy，可以支持多核与集群并行计算。使用时只需继承DESolver并定义函数def error_func(self, indiv, *args)作为目标函数即可。-Python implementation of the differential evolution algorithm source code uses the Pytho
Python-Scientific-Calculation
- 本书介绍如何用Python开发科学计算的应用程序，除了介绍数值计算之外，还着重介绍如何制作交互式的2D、3D图像，如何设计精巧的程序界面，如何与C语言编写的高速计算程序结合，如何编写声音、图像处理算法等内容。书中涉及的Python扩展库包括NumPy、SciPy、SymPy、matplotlib、Traits、TraitsUI、Chaco、TVTK、Mayavi、VPython、OpenCV等，涉及的应用领域包括数值运算、符号运算、
scientific-computing-with-python
- 本书介绍如何用Python开发科学计算的应用程序，除了介绍数值计算之外，还着重介绍如何制作交互式的2D、3D图像，如何设计精巧的程序界面，如 何与C语言编写的高速计算程序结合，如何编写声音、图像处理算法等内容。书中涉及的Python扩展库包括NumPy、SciPy、SymPy、 matplotlib、Traits、TraitsUI、Chaco、TVTK、Mayavi、VPython、OpenCV等，涉及的应用领域包括数值 运算、符号运算
python_scientific_lecture_notes
- Python Scientific lecture notes, teaches how to use NumPy and SciPy to do scientific computing.
sunpy-master
- 该sunpy项目致力于创建一个使用Python编程语言的太阳物理开源软件库。 To begin, install the following requirements: [Python](Python (2.6+) Astropy (0.3.0) NumPy SciPy Matplotlib (1.1+) Suds pandas (0.10.0+) beautifulsoup4 sqlalc
[scipy.and.numpy(2012.11)]
- 如何用python科学计算，scipy numpy的几个应用,全部都干货-SciPy is open-source software for mathematics, science, and engineering. The SciPy library is built to work with NumPy arrays
Python_tutorial
- Python numpy matplotlib scipy库学习示例代码-Python numpy matplotlib scipy demo
pythonsecondedition
- Python科学计算第二版，包含numpy，scipy，matplotlib，opencv等常用科研模块，对希望用Python做计算研究非常有用。-Python Science Computing Second Edition, including numpy, scipy, matplotlib, opencv and other commonly used research module, is very useful for re
mps_install
- cikit-Learn是基于Python的机器学习模块，基于BSD开源许可证。这个项目最早由DavidCournapeau 在2007 年发起的，目前也是由社区自愿者进行维护。 Scikit-Learn的官方网站是http://scikit-learn.org/stable/，在上面可以找到相关的Scikit-Learn的资源，模块下载，文档，例程等等。 Scikit-Learn的安装需要numpy，scipy，matplotlib
python科学计算第二版（可编辑）
- 好书，讲解最流行的python计算库，包含numpy、scipy、matlab、opencv等(a good book about the processing massive data by python)
用Python做科学计算
- 利用python语言以及Numpy，Scipy,Pandas,scikit-learn等库进行科学计算。(Using Python language and Numpy, Scipy, Pandas, scikit-learn and other libraries for scientific computing.)
PLS Extension Module
- 安装32bit-win的spss中PSL所需的所有安装文件，包括PythonPlugInWin32、Python2.5.4、scipy-0.6.0、numpy-1-1.0、PLS.py以及plscommand.xml并附安装说明。 第一步:安装spss17.0 第二步：安装 SPSSStatisticsPythonPlugInWin32_1700.exe 第三步：安装Python2.5.4 第四步：安装scipy-0.6.0和n
sklearn
- sklearn是基于numpy和scipy的一个机器学习算法库，设计的非常优雅，它让我们能够使用同样的接口来实现所有不同的算法调用(Sklearn is a machine learning algorithm library based on numpy and SciPy, which is designed so elegant that it allows us to use the same interface to impl
Python数据分析基础教程：NumPy学习指南（第2版）
- 本书是 NumPy 的入门教程， 主要介绍 NumPy 以及相关的 Python 科学计算库， 如 SciPy 和 Matplotlib。 本书内容涵盖 NumPy 安装、 数组对象、 常用函数、 矩阵运算、 线性代数、 金融函数、 窗函数、 质量控制、Matplotlib 绘图、 SciPy 简介以及 Pygame 等内容， 涉及面较广。 另外， Ivan Idris 针对每个知识点给出了简短而明晰的示例， 并为大部分示例给出了实用
ILearnMachineLearning.py-master
- 这个储存库是我的作品和与数据科学和机器学习相关的项目的集合。在我的脚本中，我主要使用python及其专用的库：pandas、numpy、scipy、sci kit learn、matplotlib、basemap plotly。我还用了一些d3进行数据可视化。我还尝试从sci kit学习库中定制算法实现(This repository is a collection of my works and projects related to
Scipy
- SciPy—数值计算库 在NumPy的基础上增加一些功能 1、常数和特殊函数 2、线性代数-linalg 3、优化 （1）非线性方程组求解 （2）最小二乘拟合 （3）函数最小值 4、插值—interpolate （1）B样条曲线插值 （2）外推和Spline拟合 （3）二维插值 5、数值积分—integrate （1）球的体积 （2）解常微分方程组 6、统计—stats （1）连续和离散概率分布 （2）
Pandas guide
- Data processing is important part of analyzing the data, because data is not always available in desired format. Various processing are required before analyzing the data such as cleaning, restructuring or merging etc.