或许你还搞不清 SciPy stack 到底是一个什么“鬼”，也许你觉得自己正在学习 SciPy 编程的路上孤军奋战，但其实并不是。
首先让我知道什么是 Scipy，它与 Python 科学计算生态圈又有什么关系呢？
NumPy 和 SciPy 共同组成了 Python 科学应用生态系统的核心。SciPy 软件库实现了很多用于科学数据处理的函数，比如用于统计学、信号处理、图像处理和函数优化。
SciPy 是建立在 NumPy 之上的，NumPy 是 Python 中用于数值型数组计算的库。在过去的几年中，基于 NumPy 和 SciPy，一个包括应用和库文件的完整生态系统迅速发展起来，并在天文学、生物学、气象学和气候科学，以及材料科学等多个学科得到了广泛应用。
什么是 Scipy 生态系统？
SciPy（读作 Sigh Pie）是一个基于 Python 的用于数学、科学和工程学的开源软件生态系统。
SciPy 生态系统是 Python 包的一个松散集合。
NumPy
NumPy是 Python 科学计算的基础。它提供了高效的数值数组，并广泛支持数值计算，其中包括线性代数、随机数和傅里叶变换。
NumPy 的杀手级特性是“ 维数组”，又称 ndarray。这些数据结构可以高效地存储数值型数据，并能定义任何维度的网格（稍后将做更多介绍）。
SciPy
SciPy 库是一个高效的数值算法集合，用于信号处理、集成、优化和统计学等领域。其中的程序都使用了用户友好型界面进行包装。
Matplotlib
Matplotlib 是一个功能强大的二维（和基本的三维）绘图包。它的名称来自于受 Matlab 启发而发明的语法。
IPython
IPython 是一个交互式的 Python 界面，它允许你快速地与数据和测试方案交互。
Jupyter
Jupyter 笔记本在浏览器中运行，可以构建样式丰富的文档，将代码、文本、数学表达式和可交互部件组合在一起。Jupyter 最初是作为 IPython 的扩展而开发的，但现在可以支持多种语言，其中包括 Cython、Julia、R、Octave、Bash、Perl 和 Ruby。
pandas
pandas 通过一个便于使用的软件包提供了快速、列式的数据结构。它特别适合处理有标记的数据集，如表格和关系数据库，还适合管理时间序列数据和滑动窗口。pandas 中还有很多便利的数据分析工具，可以解析、清洗、聚合和绘制数据。
scikit-learn
scikit-learn 为机器学习算法提供了统一的接口。
scikit-image
scikit-image 提供了能与 SciPy 生态系统其他部分完美集成的图像分析工具。
许多 Python 软件包共同组成了 Scipy 生态系统，该生态系统的核心是 Scipy 和 NumPy，其他软件包与这两者存在紧密的联系，正因为如此，Python 才成为科学计算的强大工具。
