pip install scipy

SciPy 库的核心作用

SciPy 是基于 NumPy 构建的科学计算核心库，可以把它理解为 Python 版的 “科学计算工具箱”——NumPy 主要解决数组和矩阵的基础运算，而 SciPy 在其之上封装了大量针对工程、科学、数学领域的高阶算法和实用函数，让你不用自己从零编写复杂的数学 / 科学计算逻辑。

示例

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats  # 导入scipy的统计模块

# 生成正态分布数据
data = np.random.normal(loc=0, scale=1, size=1000)

# 用scipy.stats分析数据：拟合数据的正态分布参数
mu, sigma = stats.norm.fit(data)
# 计算95%置信区间
conf_int = stats.norm.interval(0.95, loc=mu, scale=sigma)

# 绘图
plt.hist(data, bins=30, density=True, edgecolor='black', alpha=0.7, label='数据直方图')
# 用拟合的参数绘制理论正态分布曲线
x = np.linspace(-4, 4, 100)
plt.plot(x, stats.norm.pdf(x, mu, sigma), 'r-', label=f'拟合曲线: μ={mu:.2f}, σ={sigma:.2f}')
plt.xlabel("数值")
plt.ylabel("概率密度")
plt.title(f"正态分布拟合（95%置信区间：{conf_int}）")
plt.legend()
plt.show()

这段代码里的 stats.norm.fit()（拟合分布）、stats.norm.pdf()（计算概率密度）、stats.norm.interval()（计算置信区间）都是 SciPy 提供的核心功能，没有 SciPy 你需要自己写大量复杂的数学公式。

安装与使用前提

安装命令：pip install scipy（安装时会自动检查并安装依赖的 NumPy）；
使用前提：SciPy 依赖 NumPy，所以使用前通常需要先导入 NumPy（import numpy as np）；
适用人群：数据分析、机器学习、物理 / 工程计算、统计学等领域的开发者，新手如果只是画简单的图用不到，但只要涉及 “数据分析 + 数学计算” 就一定会用到。
总结
SciPy 是 Python 科学计算的核心库，基于 NumPy 提供高阶的数学 / 统计 / 工程算法，避免重复造轮子；
新手最常用的是 scipy.stats 模块，用于数据的统计分析和分布拟合；
SciPy 常和 NumPy、matplotlib 配合使用，构成 Python 科学计算的 “铁三角”（NumPy 做基础运算 → SciPy 做高阶分析 → matplotlib 做可视化）。