scipy.io.savemat（file_name， mdict， appendmat = True， format = '5'， long_field_names = False， do_compression = False， oned_as = 'row')
參數(shù)
file_name:str
      .mat 文件的名稱(chēng)（如果沒(méi)有擴(kuò)展名，需要設(shè)置appendmat == True）
mdict:dict
      從中保存 matfile 變量的字典。
appendmat:布爾值，可選
      True（默認(rèn)值）將 .mat 擴(kuò)展名附加到給定文件名的末尾（如果尚不存在）。
fomat：{'5', '4'}，字符串，可選
      '5'（默認(rèn)值）用于 MATLAB 5 及更高版本（至 7.2），'4' 用于 MATLAB 4 .mat 文件。
long_field_names：布爾型，可選
      False（默認(rèn)值）- 結(jié)構(gòu)中的最大字段名稱(chēng)長(zhǎng)度為 31 個(gè)字符，這是記錄的最大長(zhǎng)度。True - 結(jié)構(gòu)中的最大字段名稱(chēng)長(zhǎng)度為 63 個(gè)字符，適用于 MATLAB 7.6+。
do_compression：布爾值，可選
      是否在寫(xiě)入時(shí)壓縮矩陣。默認(rèn)為假。
oned_as ：{'row', 'column'}，可選
      如果是 'column'，則將一維 NumPy 數(shù)組寫(xiě)為列向量。如果為“行”，則將一維 NumPy 數(shù)組寫(xiě)為行向量。

from scipy import io
import numpy as np
arr = np.arange(10)

io.savemat('arr.mat', {"vec": arr})
#如果存入多組數(shù)據(jù)
io.savemat('saveddata.mat', {'xi': xi,'yi': yi,'ui': ui,'vi': vi})

mat_struct=load('C:\Users\XXX\Desktop\task3-2022y01m23d-17h52m.mat');

mat_struct=load('C:\Users\XXX\Desktop\task3-2022y01m23d-17h52m.mat');
ans=mat_struct.ans;
select_info=mat_struct.select_info;
select_info_p=mat_struct.select_info_p;
clear mat_struct;

import numpy as np #導(dǎo)入numpy庫(kù)
from scipy import integrate #導(dǎo)入定積分模塊

res, err = integrate.quad(np.sin, 0, np.pi/2) # 對(duì)sin函數(shù)在[0,$\pi/2$]區(qū)間上積分，quad函數(shù)返回兩個(gè)值，第一個(gè)為積分結(jié)果，第二個(gè)為誤差值
print(integrate.quad(lambda x:x**2,0,1)) # 計(jì)算x**2的定積分，積分區(qū)間為0到1，并輸出結(jié)果

print(integrate.dblquad(lambda x,y:x**2+y,0,2,lambda x:0,lambda x:1)) #對(duì)x**2+y求定積分，x積分區(qū)間[0,1],y積分區(qū)間[0,2]，并輸出結(jié)果

def f(x,y):
? ? return x**2+y
?
def bound_x():
? ? return [0,1]
?
def bound_y():
? ? return [0,2]
?
print(integrate.nquad(f,[bound_x,bound_y]))

import numpy as np #導(dǎo)入numpy庫(kù)
from scipy import optimize #導(dǎo)入優(yōu)化模塊

import numpy as np #導(dǎo)入numpy庫(kù)
from scipy import interpolate #導(dǎo)入interpolate模塊
import matplotlib.pyplot as plt #導(dǎo)入繪圖模塊

x = np.linspace(0, 1, 10) #創(chuàng)建數(shù)組，相當(dāng)于x
y = np.sin(2 * np.pi * x) #相當(dāng)于y

linear_f = interpolate.interp1d(x, y) #線(xiàn)性插值函數(shù)
x_new = np.linspace(0, 1, 50) #插值后的x
y_new = linear_f(x_new) #線(xiàn)性插值后的y
cubic_f = interpolate.interp1d(x, y, kind='cubic') #應(yīng)用插值函數(shù)
cubic_y = cubic_f(x_new) #插值后的y值?

plt.figure()
plt.plot(x, y, 'o', ms=6, label='x')
plt.plot(x_new, y_new, label='linear interp')
plt.plot(x_new, cubic_y, label='cubic interp')
plt.legend()
plt.show()

import numpy as np #導(dǎo)入numpy庫(kù)
from scipy import linalg as lg #導(dǎo)入scipy庫(kù)的linalg模塊
arr=np.array([[1,2],[3,4]]) #創(chuàng)建方陣arr
b=np.array([6,14]) #創(chuàng)建矩陣b

print('Det:',lg.det(arr)) #求矩陣arr的行列式

print('Inv:',lg.inv(arr)) #求矩陣arr的逆矩陣

print('Eig:',lg.eig(arr)) #求矩陣arr的特征向量

print('SVD:',lg.svd(arr)) #對(duì)矩陣arr進(jìn)行svd分解

print('LU:',lg.lu(arr)) #對(duì)矩陣arr進(jìn)行l(wèi)u分解

print('QR:',lg.qr(arr)) #對(duì)矩陣arr進(jìn)行qr分解

print('Schur:',lg.schur(arr)) #對(duì)矩陣arr進(jìn)行Schur分解

print('Sol:',lg.solve(arr,b)) #求方程組arr*x=b的解