Scipy API

Table of Contents

  • 1. SciPy Tutorial
    • 1.1. Introduction
      • 1.1.1. SciPy Organization
      • 1.1.2. Finding Documentation
    • 1.2. Basic functions
      • 1.2.1. Interaction with Numpy
        • 1.2.1.1. Index Tricks
        • 1.2.1.2. Shape manipulation
        • 1.2.1.3. Polynomials
        • 1.2.1.4. Vectorizing functions (vectorize)
        • 1.2.1.5. Type handling
        • 1.2.1.6. Other useful functions
    • 1.3. Special functions (scipy.special)
      • 1.3.1. Bessel functions of real order(jn(), jn_zeros())
    • 1.4. Integration (scipy.integrate)
      • 1.4.1. General integration (quad())
      • 1.4.2. General multiple integration (dblquad(), tplquad(), nquad())
      • 1.4.3. Gaussian quadrature
      • 1.4.4. Romberg Integration
      • 1.4.5. Integrating using Samples
      • 1.4.6. Faster integration using Ctypes
      • 1.4.7. Ordinary differential equations (odeint())
        • 1.4.7.1. References
    • 1.5. Optimization (scipy.optimize)
      • 1.5.1. Unconstrained minimization of multivariate scalar functions (minimize())
        • 1.5.1.1. Nelder-Mead Simplex algorithm (method='Nelder-Mead')
        • 1.5.1.2. Broyden-Fletcher-Goldfarb-Shanno algorithm (method='BFGS')
        • 1.5.1.3. Newton-Conjugate-Gradient algorithm (method='Newton-CG')
      • 1.5.2. Constrained minimization of multivariate scalar functions (minimize())
      • 1.5.3. Least-squares minimization (least_squares())
        • 1.5.3.1. Example of solving a fitting problem
        • 1.5.3.2. Further examples
      • 1.5.4. Univariate function minimizers (minimize_scalar())
        • 1.5.4.1. Unconstrained minimization (method='brent')
        • 1.5.4.2. Bounded minimization (method='bounded')
      • 1.5.5. Custom minimizers
      • 1.5.6. Root finding
        • 1.5.6.1. Scalar functions
        • 1.5.6.2. Fixed-point solving
        • 1.5.6.3. Sets of equations
        • 1.5.6.4. Root finding for large problems
        • 1.5.6.5. Still too slow? Preconditioning.
    • 1.6. Interpolation (scipy.interpolate)
      • 1.6.1. 1-D interpolation (interp1d)
      • 1.6.2. Multivariate data interpolation (griddata())
      • 1.6.3. Spline interpolation
        • 1.6.3.1. Spline interpolation in 1-d: Procedural (interpolate.splXXX)
        • 1.6.3.2. Spline interpolation in 1-d: Object-oriented (UnivariateSpline)
        • 1.6.3.3. Two-dimensional spline representation: Procedural (bisplrep())
        • 1.6.3.4. Two-dimensional spline representation: Object-oriented (BivariateSpline)
      • 1.6.4. Using radial basis functions for smoothing/interpolation
        • 1.6.4.1. 1-d Example
        • 1.6.4.2. 2-d Example
    • 1.7. Fourier Transforms (scipy.fftpack)
      • 1.7.1. Fast Fourier transforms
        • 1.7.1.1. One dimensional discrete Fourier transforms
        • 1.7.1.2. Two and n-dimensional discrete Fourier transforms
        • 1.7.1.3. FFT convolution
      • 1.7.2. Discrete Cosine Transforms
        • 1.7.2.1. Type I DCT
        • 1.7.2.2. Type II DCT
        • 1.7.2.3. Type III DCT
        • 1.7.2.4. DCT and IDCT
        • 1.7.2.5. Example
      • 1.7.3. Discrete Sine Transforms
        • 1.7.3.1. Type I DST
        • 1.7.3.2. Type II DST
        • 1.7.3.3. Type III DST
        • 1.7.3.4. DST and IDST
      • 1.7.4. Cache Destruction
      • 1.7.5. References
    • 1.8. Signal Processing (scipy.signal)
      • 1.8.1. B-splines
      • 1.8.2. Filtering
        • 1.8.2.1. Convolution/Correlation
        • 1.8.2.2. Difference-equation filtering
        • 1.8.2.3. Filter Design
        • 1.8.2.4. Other filters
        • 1.8.2.5. Analog Filter Design
      • 1.8.3. Spectral Analysis
        • 1.8.3.1. Periodogram Measurements
        • 1.8.3.2. Spectral Analysis using Welch’s Method
        • 1.8.3.3. Lomb-Scargle Periodograms (lombscargle())
      • 1.8.4. Detrend
    • 1.9. Linear Algebra (scipy.linalg)
      • 1.9.1. scipy.linalg vs numpy.linalg
      • 1.9.2. numpy.matrix vs 2D numpy.ndarray
      • 1.9.3. Basic routines
        • 1.9.3.1. Finding Inverse
        • 1.9.3.2. Solving linear system
        • 1.9.3.3. Finding Determinant
        • 1.9.3.4. Computing norms
        • 1.9.3.5. Solving linear least-squares problems and pseudo-inverses
        • 1.9.3.6. Generalized inverse
      • 1.9.4. Decompositions
        • 1.9.4.1. Eigenvalues and eigenvectors
        • 1.9.4.2. Singular value decomposition
        • 1.9.4.3. LU decomposition
        • 1.9.4.4. Cholesky decomposition
        • 1.9.4.5. QR decomposition
        • 1.9.4.6. Schur decomposition
        • 1.9.4.7. Interpolative Decomposition
      • 1.9.5. Matrix Functions
        • 1.9.5.1. Exponential and logarithm functions
        • 1.9.5.2. Trigonometric functions
        • 1.9.5.3. Hyperbolic trigonometric functions
        • 1.9.5.4. Arbitrary function
      • 1.9.6. Special matrices
    • 1.10. Sparse Eigenvalue Problems with ARPACK
      • 1.10.1. Introduction
      • 1.10.2. Basic Functionality
      • 1.10.3. Shift-Invert Mode
      • 1.10.4. Examples
      • 1.10.5. References
    • 1.11. Compressed Sparse Graph Routines (scipy.sparse.csgraph)
      • 1.11.1. Example: Word Ladders
    • 1.12. Spatial data structures and algorithms (scipy.spatial)
      • 1.12.1. Delaunay triangulations
        • 1.12.1.1. Coplanar points
      • 1.12.2. Convex hulls
      • 1.12.3. Voronoi diagrams
    • 1.13. Statistics (scipy.stats)
      • 1.13.1. Introduction
      • 1.13.2. Random Variables
        • 1.13.2.1. Getting Help
        • 1.13.2.2. Common Methods
        • 1.13.2.3. Shifting and Scaling
        • 1.13.2.4. Shape Parameters
        • 1.13.2.5. Freezing a Distribution
        • 1.13.2.6. Broadcasting
        • 1.13.2.7. Specific Points for Discrete Distributions
        • 1.13.2.8. Fitting Distributions
        • 1.13.2.9. Performance Issues and Cautionary Remarks
        • 1.13.2.10. Remaining Issues
      • 1.13.3. Building Specific Distributions
        • 1.13.3.1. Making a Continuous Distribution, i.e., Subclassing rv_continuous
        • 1.13.3.2. Subclassing rv_discrete
      • 1.13.4. Analysing One Sample
        • 1.13.4.1. Descriptive Statistics
        • 1.13.4.2. T-test and KS-test
        • 1.13.4.3. Tails of the distribution
        • 1.13.4.4. Special tests for normal distributions
      • 1.13.5. Comparing two samples
        • 1.13.5.1. Comparing means
        • 1.13.5.2. Kolmogorov-Smirnov test for two samples ks_2samp
      • 1.13.6. Kernel Density Estimation
        • 1.13.6.1. Univariate estimation
        • 1.13.6.2. Multivariate estimation
    • 1.14. Multidimensional image processing (scipy.ndimage)
      • 1.14.1. Introduction
      • 1.14.2. Properties shared by all functions
      • 1.14.3. Filter functions
        • 1.14.3.1. Correlation and convolution
        • 1.14.3.2. Smoothing filters
        • 1.14.3.3. Filters based on order statistics
        • 1.14.3.4. Derivatives
        • 1.14.3.5. Generic filter functions
        • 1.14.3.6. Fourier domain filters
      • 1.14.4. Interpolation functions
        • 1.14.4.1. Spline pre-filters
        • 1.14.4.2. Interpolation functions
      • 1.14.5. Morphology
        • 1.14.5.1. Binary morphology
        • 1.14.5.2. Grey-scale morphology
      • 1.14.6. Distance transforms
      • 1.14.7. Segmentation and labeling
      • 1.14.8. Object measurements
      • 1.14.9. Extending scipy.ndimage in C
      • 1.14.10. Functions that support C callback functions
    • 1.15. File IO (scipy.io)
      • 1.15.1. MATLAB files
        • 1.15.1.1. The basic functions
        • 1.15.1.2. How do I start?
        • 1.15.1.3. MATLAB structs
        • 1.15.1.4. MATLAB cell arrays
      • 1.15.2. IDL files
      • 1.15.3. Matrix Market files
      • 1.15.4. Wav sound files (scipy.io.wavfile)
      • 1.15.5. Arff files (scipy.io.arff)
      • 1.15.6. Netcdf (scipy.io.netcdf)
    • 1.16. Weave (scipy.weave)
      • 1.16.1. Outline
      • 1.16.2. Introduction
      • 1.16.3. Requirements
      • 1.16.4. Installation
      • 1.16.5. Testing
        • 1.16.5.1. Testing Notes:
      • 1.16.6. Benchmarks
      • 1.16.7. Inline
        • 1.16.7.1. More with printf
        • 1.16.7.2. More examples
        • 1.16.7.3. Keyword Option
        • 1.16.7.4. Inline Arguments
        • 1.16.7.5. Distutils keywords
        • 1.16.7.6. Technical Details
        • 1.16.7.7. Passing Variables in/out of the C/C++ code
        • 1.16.7.8. Type Conversions
        • 1.16.7.9. The Catalog
      • 1.16.8. Blitz
        • 1.16.8.1. Requirements
        • 1.16.8.2. Limitations
        • 1.16.8.3. NumPy efficiency issues: What compilation buys you
        • 1.16.8.4. The Tools
        • 1.16.8.5. Type definitions and coercion
        • 1.16.8.6. Cataloging Compiled Functions
        • 1.16.8.7. Checking Array Sizes
        • 1.16.8.8. Creating the Extension Module
      • 1.16.9. Extension Modules
        • 1.16.9.1. A Simple Example
        • 1.16.9.2. Fibonacci Example
      • 1.16.10. Customizing Type Conversions – Type Factories
      • 1.16.11. Things I wish weave did
  • 2. API - importing from Scipy
    • 2.1. Guidelines for importing functions from Scipy
    • 2.2. API definition
  • 3. API (c-i)
    • 3.1. scipy.cluster
      • 3.1.1. Clustering package (scipy.cluster)
      • 3.1.2. K-means clustering and vector quantization (scipy.cluster.vq)
        • 3.1.2.1. scipy.cluster.vq.whiten
        • 3.1.2.2. scipy.cluster.vq.vq
        • 3.1.2.3. scipy.cluster.vq.kmeans
        • 3.1.2.4. scipy.cluster.vq.kmeans2
        • 3.1.2.5. Background information
      • 3.1.3. Hierarchical clustering (scipy.cluster.hierarchy)
        • 3.1.3.1. scipy.cluster.hierarchy.fcluster
        • 3.1.3.2. scipy.cluster.hierarchy.fclusterdata
        • 3.1.3.3. scipy.cluster.hierarchy.leaders
        • 3.1.3.4. scipy.cluster.hierarchy.linkage
        • 3.1.3.5. scipy.cluster.hierarchy.single
        • 3.1.3.6. scipy.cluster.hierarchy.complete
        • 3.1.3.7. scipy.cluster.hierarchy.average
        • 3.1.3.8. scipy.cluster.hierarchy.weighted
        • 3.1.3.9. scipy.cluster.hierarchy.centroid
        • 3.1.3.10. scipy.cluster.hierarchy.median
        • 3.1.3.11. scipy.cluster.hierarchy.ward
        • 3.1.3.12. scipy.cluster.hierarchy.cophenet
        • 3.1.3.13. scipy.cluster.hierarchy.from_mlab_linkage
        • 3.1.3.14. scipy.cluster.hierarchy.inconsistent
        • 3.1.3.15. scipy.cluster.hierarchy.maxinconsts
        • 3.1.3.16. scipy.cluster.hierarchy.maxdists
        • 3.1.3.17. scipy.cluster.hierarchy.maxRstat
        • 3.1.3.18. scipy.cluster.hierarchy.to_mlab_linkage
        • 3.1.3.19. scipy.cluster.hierarchy.dendrogram
        • 3.1.3.20. scipy.cluster.hierarchy.ClusterNode
        • 3.1.3.21. scipy.cluster.hierarchy.leaves_list
        • 3.1.3.22. scipy.cluster.hierarchy.to_tree
        • 3.1.3.23. scipy.cluster.hierarchy.cut_tree
        • 3.1.3.24. scipy.cluster.hierarchy.is_valid_im
        • 3.1.3.25. scipy.cluster.hierarchy.is_valid_linkage
        • 3.1.3.26. scipy.cluster.hierarchy.is_isomorphic
        • 3.1.3.27. scipy.cluster.hierarchy.is_monotonic
        • 3.1.3.28. scipy.cluster.hierarchy.correspond
        • 3.1.3.29. scipy.cluster.hierarchy.num_obs_linkage
        • 3.1.3.30. scipy.cluster.hierarchy.set_link_color_palette
        • 3.1.3.31. References
    • 3.2. Constants (scipy.constants)
      • 3.2.1. Mathematical constants
      • 3.2.2. Physical constants
        • 3.2.2.1. Constants database
      • 3.2.3. Units
        • 3.2.3.1. SI prefixes
        • 3.2.3.2. Binary prefixes
        • 3.2.3.3. Weight
        • 3.2.3.4. Angle
        • 3.2.3.5. Time
        • 3.2.3.6. Length
        • 3.2.3.7. Pressure
        • 3.2.3.8. Area
        • 3.2.3.9. Volume
        • 3.2.3.10. Speed
        • 3.2.3.11. Temperature
        • 3.2.3.12. Energy
        • 3.2.3.13. Power
        • 3.2.3.14. Force
        • 3.2.3.15. Optics
      • 3.2.4. References
    • 3.3. Discrete Fourier transforms (scipy.fftpack)
      • 3.3.1. Fast Fourier Transforms (FFTs)
        • 3.3.1.1. scipy.fftpack.fft
        • 3.3.1.2. scipy.fftpack.ifft
        • 3.3.1.3. scipy.fftpack.fft2
        • 3.3.1.4. scipy.fftpack.ifft2
        • 3.3.1.5. scipy.fftpack.fftn
        • 3.3.1.6. scipy.fftpack.ifftn
        • 3.3.1.7. scipy.fftpack.rfft
        • 3.3.1.8. scipy.fftpack.irfft
        • 3.3.1.9. scipy.fftpack.dct
        • 3.3.1.10. scipy.fftpack.idct
        • 3.3.1.11. scipy.fftpack.dst
        • 3.3.1.12. scipy.fftpack.idst
      • 3.3.2. Differential and pseudo-differential operators
        • 3.3.2.1. scipy.fftpack.diff
        • 3.3.2.2. scipy.fftpack.tilbert
        • 3.3.2.3. scipy.fftpack.itilbert
        • 3.3.2.4. scipy.fftpack.hilbert
        • 3.3.2.5. scipy.fftpack.ihilbert
        • 3.3.2.6. scipy.fftpack.cs_diff
        • 3.3.2.7. scipy.fftpack.sc_diff
        • 3.3.2.8. scipy.fftpack.ss_diff
        • 3.3.2.9. scipy.fftpack.cc_diff
        • 3.3.2.10. scipy.fftpack.shift
      • 3.3.3. Helper functions
        • 3.3.3.1. scipy.fftpack.fftshift
        • 3.3.3.2. scipy.fftpack.ifftshift
        • 3.3.3.3. scipy.fftpack.fftfreq
        • 3.3.3.4. scipy.fftpack.rfftfreq
      • 3.3.4. Convolutions (scipy.fftpack.convolve)
        • 3.3.4.1. scipy.fftpack.convolve.convolve
        • 3.3.4.2. scipy.fftpack.convolve.convolve_z
        • 3.3.4.3. scipy.fftpack.convolve.init_convolution_kernel
        • 3.3.4.4. scipy.fftpack.convolve.destroy_convolve_cache
    • 3.4. Integration and ODEs (scipy.integrate)
      • 3.4.1. Integrating functions, given function object
        • 3.4.1.1. scipy.integrate.quad
        • 3.4.1.2. scipy.integrate.dblquad
        • 3.4.1.3. scipy.integrate.tplquad
        • 3.4.1.4. scipy.integrate.nquad
        • 3.4.1.5. scipy.integrate.fixed_quad
        • 3.4.1.6. scipy.integrate.quadrature
        • 3.4.1.7. scipy.integrate.romberg
        • 3.4.1.8. scipy.integrate.quad_explain
        • 3.4.1.9. scipy.integrate.newton_cotes
        • 3.4.1.10. scipy.integrate.IntegrationWarning
      • 3.4.2. Integrating functions, given fixed samples
        • 3.4.2.1. scipy.integrate.trapz
        • 3.4.2.2. scipy.integrate.cumtrapz
        • 3.4.2.3. scipy.integrate.simps
        • 3.4.2.4. scipy.integrate.romb
      • 3.4.3. Integrators of ODE systems
        • 3.4.3.1. scipy.integrate.odeint
        • 3.4.3.2. scipy.integrate.ode
        • 3.4.3.3. scipy.integrate.complex_ode
    • 3.5. Interpolation (scipy.interpolate)
      • 3.5.1. Univariate interpolation
        • 3.5.1.1. scipy.interpolate.interp1d
        • 3.5.1.2. scipy.interpolate.BarycentricInterpolator
        • 3.5.1.3. scipy.interpolate.KroghInterpolator
        • 3.5.1.4. scipy.interpolate.PiecewisePolynomial
        • 3.5.1.5. scipy.interpolate.PchipInterpolator
        • 3.5.1.6. scipy.interpolate.barycentric_interpolate
        • 3.5.1.7. scipy.interpolate.krogh_interpolate
        • 3.5.1.8. scipy.interpolate.piecewise_polynomial_interpolate
        • 3.5.1.9. scipy.interpolate.pchip_interpolate
        • 3.5.1.10. scipy.interpolate.Akima1DInterpolator
        • 3.5.1.11. scipy.interpolate.PPoly
        • 3.5.1.12. scipy.interpolate.BPoly
      • 3.5.2. Multivariate interpolation
        • 3.5.2.1. scipy.interpolate.griddata
        • 3.5.2.2. scipy.interpolate.LinearNDInterpolator
        • 3.5.2.3. scipy.interpolate.NearestNDInterpolator
        • 3.5.2.4. scipy.interpolate.CloughTocher2DInterpolator
        • 3.5.2.5. scipy.interpolate.Rbf
        • 3.5.2.6. scipy.interpolate.interp2d
        • 3.5.2.7. scipy.interpolate.interpn
        • 3.5.2.8. scipy.interpolate.RegularGridInterpolator
        • 3.5.2.9. scipy.interpolate.RectBivariateSpline
      • 3.5.3. 1-D Splines
        • 3.5.3.1. scipy.interpolate.UnivariateSpline
        • 3.5.3.2. scipy.interpolate.InterpolatedUnivariateSpline
        • 3.5.3.3. scipy.interpolate.LSQUnivariateSpline
        • 3.5.3.4. scipy.interpolate.splrep
        • 3.5.3.5. scipy.interpolate.splprep
        • 3.5.3.6. scipy.interpolate.splev
        • 3.5.3.7. scipy.interpolate.splint
        • 3.5.3.8. scipy.interpolate.sproot
        • 3.5.3.9. scipy.interpolate.spalde
        • 3.5.3.10. scipy.interpolate.splder
        • 3.5.3.11. scipy.interpolate.splantider
        • 3.5.3.12. scipy.interpolate.insert
      • 3.5.4. 2-D Splines
        • 3.5.2.9. scipy.interpolate.RectBivariateSpline
        • 3.5.4.1. scipy.interpolate.RectSphereBivariateSpline
        • 3.5.4.2. scipy.interpolate.BivariateSpline
        • 3.5.4.3. scipy.interpolate.SmoothBivariateSpline
        • 3.5.4.4. scipy.interpolate.SmoothSphereBivariateSpline
        • 3.5.4.5. scipy.interpolate.LSQBivariateSpline
        • 3.5.4.6. scipy.interpolate.LSQSphereBivariateSpline
        • 3.5.4.7. scipy.interpolate.bisplrep
        • 3.5.4.8. scipy.interpolate.bisplev
      • 3.5.5. Additional tools
        • 3.5.5.1. scipy.interpolate.lagrange
        • 3.5.5.2. scipy.interpolate.approximate_taylor_polynomial
        • 3.5.5.3. scipy.interpolate.ppform
        • 3.5.5.4. scipy.interpolate.spleval
        • 3.5.5.5. scipy.interpolate.spline
        • 3.5.5.6. scipy.interpolate.splmake
        • 3.5.5.7. scipy.interpolate.spltopp
        • 3.5.5.8. scipy.interpolate.pchip
    • 3.6. Input and output (scipy.io)
      • 3.6.1. MATLAB® files
        • 3.6.1.1. scipy.io.loadmat
        • 3.6.1.2. scipy.io.savemat
        • 3.6.1.3. scipy.io.whosmat
      • 3.6.2. IDL® files
        • 3.6.2.1. scipy.io.readsav
      • 3.6.3. Matrix Market files
        • 3.6.3.1. scipy.io.mminfo
        • 3.6.3.2. scipy.io.mmread
        • 3.6.3.3. scipy.io.mmwrite
      • 3.6.4. Unformatted Fortran files
        • 3.6.4.1. scipy.io.FortranFile
      • 3.6.5. Netcdf
        • 3.6.5.1. scipy.io.netcdf_file
        • 3.6.5.2. scipy.io.netcdf_variable
      • 3.6.6. Harwell-Boeing files
        • 3.6.6.1. scipy.io.hb_read
        • 3.6.6.2. scipy.io.hb_write
      • 3.6.7. Wav sound files (scipy.io.wavfile)
        • 3.6.7.1. scipy.io.wavfile.read
        • 3.6.7.2. scipy.io.wavfile.write
        • 3.6.7.3. scipy.io.wavfile.WavFileWarning
      • 3.6.8. Arff files (scipy.io.arff)
        • 3.6.8.1. scipy.io.arff.loadarff
        • 3.6.8.2. scipy.io.arff.MetaData
        • 3.6.8.3. scipy.io.arff.ArffError
        • 3.6.8.4. scipy.io.arff.ParseArffError
  • 4. API (l-o)
    • 4.1. Linear Algebra scipy.linalg
      • 4.1.1. Linear algebra (scipy.linalg)
        • 4.1.1.1. Basics
        • 4.1.1.2. Eigenvalue Problems
        • 4.1.1.3. Decompositions
        • 4.1.1.4. Matrix Functions
        • 4.1.1.5. Matrix Equation Solvers
        • 4.1.1.6. Special Matrices
        • 4.1.1.7. Low-level routines
      • 4.1.2. Low-level BLAS functions (scipy.linalg.blas)
        • 4.1.2.1. Finding functions
        • 4.1.2.2. BLAS Level 1 functions
        • 4.1.2.3. BLAS Level 2 functions
        • 4.1.2.4. BLAS Level 3 functions
      • 4.1.3. Low-level LAPACK functions (scipy.linalg.lapack)
        • 4.1.3.1. Finding functions
        • 4.1.3.2. All functions
      • 4.1.4. BLAS Functions for Cython
      • 4.1.5. LAPACK functions for Cython
      • 4.1.6. Interpolative matrix decomposition (scipy.linalg.interpolative)
        • 4.1.6.1. Routines
        • 4.1.6.2. References
        • 4.1.6.3. Tutorial
    • 4.2. Miscellaneous routines (scipy.misc)
      • 4.2.1. scipy.misc.ascent
      • 4.2.2. scipy.misc.bytescale
      • 4.2.3. scipy.misc.central_diff_weights
      • 4.2.4. scipy.misc.comb
      • 4.2.5. scipy.misc.derivative
      • 4.2.6. scipy.misc.face
      • 4.2.7. scipy.misc.factorial
      • 4.2.8. scipy.misc.factorial2
      • 4.2.9. scipy.misc.factorialk
      • 4.2.10. scipy.misc.fromimage
      • 4.2.11. scipy.misc.imfilter
      • 4.2.12. scipy.misc.imread
      • 4.2.13. scipy.misc.imresize
      • 4.2.14. scipy.misc.imrotate
      • 4.2.15. scipy.misc.imsave
      • 4.2.16. scipy.misc.imshow
      • 4.2.17. scipy.misc.info
      • 4.2.18. scipy.misc.lena
      • 4.2.19. scipy.misc.logsumexp
      • 4.2.20. scipy.misc.pade
      • 4.2.21. scipy.misc.toimage
      • 4.2.22. scipy.misc.source
      • 4.2.23. scipy.misc.who
    • 4.3. Multi-dimensional image processing (scipy.ndimage)
      • 4.3.1. Filters
        • 4.3.1.1. scipy.ndimage.convolve
        • 4.3.1.2. scipy.ndimage.convolve1d
        • 4.3.1.3. scipy.ndimage.correlate
        • 4.3.1.4. scipy.ndimage.correlate1d
        • 4.3.1.5. scipy.ndimage.gaussian_filter
        • 4.3.1.6. scipy.ndimage.gaussian_filter1d
        • 4.3.1.7. scipy.ndimage.gaussian_gradient_magnitude
        • 4.3.1.8. scipy.ndimage.gaussian_laplace
        • 4.3.1.9. scipy.ndimage.generic_filter
        • 4.3.1.10. scipy.ndimage.generic_filter1d
        • 4.3.1.11. scipy.ndimage.generic_gradient_magnitude
        • 4.3.1.12. scipy.ndimage.generic_laplace
        • 4.3.1.13. scipy.ndimage.laplace
        • 4.3.1.14. scipy.ndimage.maximum_filter
        • 4.3.1.15. scipy.ndimage.maximum_filter1d
        • 4.3.1.16. scipy.ndimage.median_filter
        • 4.3.1.17. scipy.ndimage.minimum_filter
        • 4.3.1.18. scipy.ndimage.minimum_filter1d
        • 4.3.1.19. scipy.ndimage.percentile_filter
        • 4.3.1.20. scipy.ndimage.prewitt
        • 4.3.1.21. scipy.ndimage.rank_filter
        • 4.3.1.22. scipy.ndimage.sobel
        • 4.3.1.23. scipy.ndimage.uniform_filter
        • 4.3.1.24. scipy.ndimage.uniform_filter1d
      • 4.3.2. Fourier filters
        • 4.3.2.1. scipy.ndimage.fourier_ellipsoid
        • 4.3.2.2. scipy.ndimage.fourier_gaussian
        • 4.3.2.3. scipy.ndimage.fourier_shift
        • 4.3.2.4. scipy.ndimage.fourier_uniform
      • 4.3.3. Interpolation
        • 4.3.3.1. scipy.ndimage.affine_transform
        • 4.3.3.2. scipy.ndimage.geometric_transform
        • 4.3.3.3. scipy.ndimage.map_coordinates
        • 4.3.3.4. scipy.ndimage.rotate
        • 4.3.3.5. scipy.ndimage.shift
        • 4.3.3.6. scipy.ndimage.spline_filter
        • 4.3.3.7. scipy.ndimage.spline_filter1d
        • 4.3.3.8. scipy.ndimage.zoom
      • 4.3.4. Measurements
        • 4.3.4.1. scipy.ndimage.center_of_mass
        • 4.3.4.2. scipy.ndimage.extrema
        • 4.3.4.3. scipy.ndimage.find_objects
        • 4.3.4.4. scipy.ndimage.histogram
        • 4.3.4.5. scipy.ndimage.label
        • 4.3.4.6. scipy.ndimage.labeled_comprehension
        • 4.3.4.7. scipy.ndimage.maximum
        • 4.3.4.8. scipy.ndimage.maximum_position
        • 4.3.4.9. scipy.ndimage.mean
        • 4.3.4.10. scipy.ndimage.median
        • 4.3.4.11. scipy.ndimage.minimum
        • 4.3.4.12. scipy.ndimage.minimum_position
        • 4.3.4.13. scipy.ndimage.standard_deviation
        • 4.3.4.14. scipy.ndimage.sum
        • 4.3.4.15. scipy.ndimage.variance
        • 4.3.4.16. scipy.ndimage.watershed_ift
      • 4.3.5. Morphology
        • 4.3.5.1. scipy.ndimage.binary_closing
        • 4.3.5.2. scipy.ndimage.binary_dilation
        • 4.3.5.3. scipy.ndimage.binary_erosion
        • 4.3.5.4. scipy.ndimage.binary_fill_holes
        • 4.3.5.5. scipy.ndimage.binary_hit_or_miss
        • 4.3.5.6. scipy.ndimage.binary_opening
        • 4.3.5.7. scipy.ndimage.binary_propagation
        • 4.3.5.8. scipy.ndimage.black_tophat
        • 4.3.5.9. scipy.ndimage.distance_transform_bf
        • 4.3.5.10. scipy.ndimage.distance_transform_cdt
        • 4.3.5.11. scipy.ndimage.distance_transform_edt
        • 4.3.5.12. scipy.ndimage.generate_binary_structure
        • 4.3.5.13. scipy.ndimage.grey_closing
        • 4.3.5.14. scipy.ndimage.grey_dilation
        • 4.3.5.15. scipy.ndimage.grey_erosion
        • 4.3.5.16. scipy.ndimage.grey_opening
        • 4.3.5.17. scipy.ndimage.iterate_structure
        • 4.3.5.18. scipy.ndimage.morphological_gradient
        • 4.3.5.19. scipy.ndimage.morphological_laplace
        • 4.3.5.20. scipy.ndimage.white_tophat
      • 4.3.6. Utility
        • 4.3.6.1. scipy.ndimage.imread
    • 4.4. Orthogonal distance regression (scipy.odr)
      • 4.4.1. Package Content
        • 4.4.1.1. scipy.odr.Data
        • 4.4.1.2. scipy.odr.RealData
        • 4.4.1.3. scipy.odr.Model
        • 4.4.1.4. scipy.odr.ODR
        • 4.4.1.5. scipy.odr.Output
        • 4.4.1.6. scipy.odr.odr
        • 4.4.1.7. scipy.odr.odr_error
        • 4.4.1.8. scipy.odr.odr_stop
        • 4.4.1.9. scipy.odr.polynomial
      • 4.4.2. Usage information
        • 4.4.2.1. Introduction
        • 4.4.2.2. Basic usage
        • 4.4.2.3. References
    • 4.5. Optimization and root finding (scipy.optimize)
      • 4.5.1. Optimization
        • 4.5.1.1. Local Optimization
        • 4.5.1.2. Equation (Local) Minimizers
        • 4.5.1.3. Global Optimization
        • 4.5.1.4. Rosenbrock function
      • 4.5.2. Fitting
        • 4.5.2.1. scipy.optimize.curve_fit
      • 4.5.3. Root finding
        • 4.5.3.1. Scalar functions
        • 4.5.3.2. Multidimensional
      • 4.5.4. Linear Programming
        • 4.5.4.1. scipy.optimize.linprog
        • 4.5.4.2. scipy.optimize.linprog_verbose_callback
        • 4.5.4.3. linprog(method=’Simplex’)
        • 4.5.4.4. scipy.optimize.linear_sum_assignment
      • 4.5.5. Utilities
        • 4.5.5.1. scipy.optimize.approx_fprime
        • 4.5.5.2. scipy.optimize.bracket
        • 4.5.5.3. scipy.optimize.check_grad
        • 4.5.5.4. scipy.optimize.line_search
        • 4.5.5.5. scipy.optimize.show_options
        • 4.5.5.6. scipy.optimize.LbfgsInvHessProduct
    • 4.6. Nonlinear solvers
      • 4.6.1. Routines
      • 4.6.2. Examples
  • 5. API (s-w)
    • 5.1. Signal processing (scipy.signal)
      • 5.1.1. Convolution
        • 5.1.1.1. scipy.signal.convolve
        • 5.1.1.2. scipy.signal.correlate
        • 5.1.1.3. scipy.signal.fftconvolve
        • 5.1.1.4. scipy.signal.convolve2d
        • 5.1.1.5. scipy.signal.correlate2d
        • 5.1.1.6. scipy.signal.sepfir2d
      • 5.1.2. B-splines
        • 5.1.2.1. scipy.signal.bspline
        • 5.1.2.2. scipy.signal.cubic
        • 5.1.2.3. scipy.signal.quadratic
        • 5.1.2.4. scipy.signal.gauss_spline
        • 5.1.2.5. scipy.signal.cspline1d
        • 5.1.2.6. scipy.signal.qspline1d
        • 5.1.2.7. scipy.signal.cspline2d
        • 5.1.2.8. scipy.signal.qspline2d
        • 5.1.2.9. scipy.signal.cspline1d_eval
        • 5.1.2.10. scipy.signal.qspline1d_eval
        • 5.1.2.11. scipy.signal.spline_filter
      • 5.1.3. Filtering
        • 5.1.3.1. scipy.signal.order_filter
        • 5.1.3.2. scipy.signal.medfilt
        • 5.1.3.3. scipy.signal.medfilt2d
        • 5.1.3.4. scipy.signal.wiener
        • 5.1.3.5. scipy.signal.symiirorder1
        • 5.1.3.6. scipy.signal.symiirorder2
        • 5.1.3.7. scipy.signal.lfilter
        • 5.1.3.8. scipy.signal.lfiltic
        • 5.1.3.9. scipy.signal.lfilter_zi
        • 5.1.3.10. scipy.signal.filtfilt
        • 5.1.3.11. scipy.signal.savgol_filter
        • 5.1.3.12. scipy.signal.deconvolve
        • 5.1.3.13. scipy.signal.sosfilt
        • 5.1.3.14. scipy.signal.sosfilt_zi
        • 5.1.3.15. scipy.signal.hilbert
        • 5.1.3.16. scipy.signal.hilbert2
        • 5.1.3.17. scipy.signal.decimate
        • 5.1.3.18. scipy.signal.detrend
        • 5.1.3.19. scipy.signal.resample
      • 5.1.4. Filter design
        • 5.1.4.1. scipy.signal.bilinear
        • 5.1.4.2. scipy.signal.findfreqs
        • 5.1.4.3. scipy.signal.firwin
        • 5.1.4.4. scipy.signal.firwin2
        • 5.1.4.5. scipy.signal.freqs
        • 5.1.4.6. scipy.signal.freqz
        • 5.1.4.7. scipy.signal.group_delay
        • 5.1.4.8. scipy.signal.iirdesign
        • 5.1.4.9. scipy.signal.iirfilter
        • 5.1.4.10. scipy.signal.kaiser_atten
        • 5.1.4.11. scipy.signal.kaiser_beta
        • 5.1.4.12. scipy.signal.kaiserord
        • 5.1.4.13. scipy.signal.savgol_coeffs
        • 5.1.4.14. scipy.signal.remez
        • 5.1.4.15. scipy.signal.unique_roots
        • 5.1.4.16. scipy.signal.residue
        • 5.1.4.17. scipy.signal.residuez
        • 5.1.4.18. scipy.signal.invres
        • 5.1.4.19. scipy.signal.invresz
        • 5.1.4.20. scipy.signal.BadCoefficients
        • 5.1.4.21. scipy.signal.abcd_normalize
        • 5.1.4.22. scipy.signal.band_stop_obj
        • 5.1.4.23. scipy.signal.besselap
        • 5.1.4.24. scipy.signal.buttap
        • 5.1.4.25. scipy.signal.cheb1ap
        • 5.1.4.26. scipy.signal.cheb2ap
        • 5.1.4.27. scipy.signal.cmplx_sort
        • 5.1.4.28. scipy.signal.ellipap
        • 5.1.4.29. scipy.signal.lp2bp
        • 5.1.4.30. scipy.signal.lp2bs
        • 5.1.4.31. scipy.signal.lp2hp
        • 5.1.4.32. scipy.signal.lp2lp
        • 5.1.4.33. scipy.signal.normalize
      • 5.1.5. Matlab-style IIR filter design
        • 5.1.5.1. scipy.signal.butter
        • 5.1.5.2. scipy.signal.buttord
        • 5.1.5.3. scipy.signal.cheby1
        • 5.1.5.4. scipy.signal.cheb1ord
        • 5.1.5.5. scipy.signal.cheby2
        • 5.1.5.6. scipy.signal.cheb2ord
        • 5.1.5.7. scipy.signal.ellip
        • 5.1.5.8. scipy.signal.ellipord
        • 5.1.5.9. scipy.signal.bessel
      • 5.1.6. Continuous-Time Linear Systems
        • 5.1.6.1. scipy.signal.freqresp
        • 5.1.6.2. scipy.signal.lti
        • 5.1.6.3. scipy.signal.StateSpace
        • 5.1.6.4. scipy.signal.TransferFunction
        • 5.1.6.5. scipy.signal.ZerosPolesGain
        • 5.1.6.6. scipy.signal.lsim
        • 5.1.6.7. scipy.signal.lsim2
        • 5.1.6.8. scipy.signal.impulse
        • 5.1.6.9. scipy.signal.impulse2
        • 5.1.6.10. scipy.signal.step
        • 5.1.6.11. scipy.signal.step2
        • 5.1.6.12. scipy.signal.bode
      • 5.1.7. Discrete-Time Linear Systems
        • 5.1.7.1. scipy.signal.dlsim
        • 5.1.7.2. scipy.signal.dimpulse
        • 5.1.7.3. scipy.signal.dstep
      • 5.1.8. LTI Representations
        • 5.1.8.1. scipy.signal.tf2zpk
        • 5.1.8.2. scipy.signal.tf2sos
        • 5.1.8.3. scipy.signal.tf2ss
        • 5.1.8.4. scipy.signal.zpk2tf
        • 5.1.8.5. scipy.signal.zpk2sos
        • 5.1.8.6. scipy.signal.zpk2ss
        • 5.1.8.7. scipy.signal.ss2tf
        • 5.1.8.8. scipy.signal.ss2zpk
        • 5.1.8.9. scipy.signal.sos2zpk
        • 5.1.8.10. scipy.signal.sos2tf
        • 5.1.8.11. scipy.signal.cont2discrete
        • 5.1.8.12. scipy.signal.place_poles
      • 5.1.9. Waveforms
        • 5.1.9.1. scipy.signal.chirp
        • 5.1.9.2. scipy.signal.gausspulse
        • 5.1.9.3. scipy.signal.max_len_seq
        • 5.1.9.4. scipy.signal.sawtooth
        • 5.1.9.5. scipy.signal.square
        • 5.1.9.6. scipy.signal.sweep_poly
      • 5.1.10. Window functions
        • 5.1.10.1. scipy.signal.get_window
        • 5.1.10.2. scipy.signal.barthann
        • 5.1.10.3. scipy.signal.bartlett
        • 5.1.10.4. scipy.signal.blackman
        • 5.1.10.5. scipy.signal.blackmanharris
        • 5.1.10.6. scipy.signal.bohman
        • 5.1.10.7. scipy.signal.boxcar
        • 5.1.10.8. scipy.signal.chebwin
        • 5.1.10.9. scipy.signal.cosine
        • 5.1.10.10. scipy.signal.exponential
        • 5.1.10.11. scipy.signal.flattop
        • 5.1.10.12. scipy.signal.gaussian
        • 5.1.10.13. scipy.signal.general_gaussian
        • 5.1.10.14. scipy.signal.hamming
        • 5.1.10.15. scipy.signal.hann
        • 5.1.10.16. scipy.signal.hanning
        • 5.1.10.17. scipy.signal.kaiser
        • 5.1.10.18. scipy.signal.nuttall
        • 5.1.10.19. scipy.signal.parzen
        • 5.1.10.20. scipy.signal.slepian
        • 5.1.10.21. scipy.signal.triang
        • 5.1.10.22. scipy.signal.tukey
      • 5.1.11. Wavelets
        • 5.1.11.1. scipy.signal.cascade
        • 5.1.11.2. scipy.signal.daub
        • 5.1.11.3. scipy.signal.morlet
        • 5.1.11.4. scipy.signal.qmf
        • 5.1.11.5. scipy.signal.ricker
        • 5.1.11.6. scipy.signal.cwt
      • 5.1.12. Peak finding
        • 5.1.12.1. scipy.signal.find_peaks_cwt
        • 5.1.12.2. scipy.signal.argrelmin
        • 5.1.12.3. scipy.signal.argrelmax
        • 5.1.12.4. scipy.signal.argrelextrema
      • 5.1.13. Spectral Analysis
        • 5.1.13.1. scipy.signal.periodogram
        • 5.1.13.2. scipy.signal.welch
        • 5.1.13.3. scipy.signal.csd
        • 5.1.13.4. scipy.signal.coherence
        • 5.1.13.5. scipy.signal.spectrogram
        • 5.1.13.6. scipy.signal.lombscargle
        • 5.1.13.7. scipy.signal.vectorstrength
    • 5.2. Sparse matrices (scipy.sparse)
      • 5.2.1. Contents
        • 5.2.1.1. Sparse matrix classes
        • 5.2.1.2. Functions
        • 5.2.1.3. Submodules
        • 5.2.1.4. Exceptions
      • 5.2.2. Usage information
        • 5.2.2.1. Matrix vector product
        • 5.2.2.2. Example 1
        • 5.2.2.3. Example 2
        • 5.2.2.4. Further Details
    • 5.3. Sparse linear algebra (scipy.sparse.linalg)
      • 5.3.1. Abstract linear operators
        • 5.3.1.1. scipy.sparse.linalg.LinearOperator
        • 5.3.1.2. scipy.sparse.linalg.aslinearoperator
      • 5.3.2. Matrix Operations
        • 5.3.2.1. scipy.sparse.linalg.inv
        • 5.3.2.2. scipy.sparse.linalg.expm
        • 5.3.2.3. scipy.sparse.linalg.expm_multiply
      • 5.3.3. Matrix norms
        • 5.3.3.1. scipy.sparse.linalg.norm
        • 5.3.3.2. scipy.sparse.linalg.onenormest
      • 5.3.4. Solving linear problems
        • 5.3.4.1. scipy.sparse.linalg.spsolve
        • 5.3.4.2. scipy.sparse.linalg.factorized
        • 5.3.4.3. scipy.sparse.linalg.MatrixRankWarning
        • 5.3.4.4. scipy.sparse.linalg.use_solver
        • 5.3.4.5. scipy.sparse.linalg.bicg
        • 5.3.4.6. scipy.sparse.linalg.bicgstab
        • 5.3.4.7. scipy.sparse.linalg.cg
        • 5.3.4.8. scipy.sparse.linalg.cgs
        • 5.3.4.9. scipy.sparse.linalg.gmres
        • 5.3.4.10. scipy.sparse.linalg.lgmres
        • 5.3.4.11. scipy.sparse.linalg.minres
        • 5.3.4.12. scipy.sparse.linalg.qmr
        • 5.3.4.13. scipy.sparse.linalg.lsqr
        • 5.3.4.14. scipy.sparse.linalg.lsmr
      • 5.3.5. Matrix factorizations
        • 5.3.5.1. scipy.sparse.linalg.eigs
        • 5.3.5.2. scipy.sparse.linalg.eigsh
        • 5.3.5.3. scipy.sparse.linalg.lobpcg
        • 5.3.5.4. scipy.sparse.linalg.svds
        • 5.3.5.5. scipy.sparse.linalg.splu
        • 5.3.5.6. scipy.sparse.linalg.spilu
        • 5.3.5.7. scipy.sparse.linalg.SuperLU
      • 5.3.6. Exceptions
        • 5.3.6.1. scipy.sparse.linalg.ArpackNoConvergence
        • 5.3.6.2. scipy.sparse.linalg.ArpackError
    • 5.4. Compressed Sparse Graph Routines (scipy.sparse.csgraph)
      • 5.4.1. Contents
        • 5.4.1.1. scipy.sparse.csgraph.connected_components
        • 5.4.1.2. scipy.sparse.csgraph.laplacian
        • 5.4.1.3. scipy.sparse.csgraph.shortest_path
        • 5.4.1.4. scipy.sparse.csgraph.dijkstra
        • 5.4.1.5. scipy.sparse.csgraph.floyd_warshall
        • 5.4.1.6. scipy.sparse.csgraph.bellman_ford
        • 5.4.1.7. scipy.sparse.csgraph.johnson
        • 5.4.1.8. scipy.sparse.csgraph.breadth_first_order
        • 5.4.1.9. scipy.sparse.csgraph.depth_first_order
        • 5.4.1.10. scipy.sparse.csgraph.breadth_first_tree
        • 5.4.1.11. scipy.sparse.csgraph.depth_first_tree
        • 5.4.1.12. scipy.sparse.csgraph.minimum_spanning_tree
        • 5.4.1.13. scipy.sparse.csgraph.reverse_cuthill_mckee
        • 5.4.1.14. scipy.sparse.csgraph.maximum_bipartite_matching
        • 5.4.1.15. scipy.sparse.csgraph.NegativeCycleError
        • 5.4.1.16. scipy.sparse.csgraph.construct_dist_matrix
        • 5.4.1.17. scipy.sparse.csgraph.csgraph_from_dense
        • 5.4.1.18. scipy.sparse.csgraph.csgraph_from_masked
        • 5.4.1.19. scipy.sparse.csgraph.csgraph_masked_from_dense
        • 5.4.1.20. scipy.sparse.csgraph.csgraph_to_dense
        • 5.4.1.21. scipy.sparse.csgraph.csgraph_to_masked
        • 5.4.1.22. scipy.sparse.csgraph.reconstruct_path
      • 5.4.2. Graph Representations
        • 5.4.2.1. Directed vs. Undirected
    • 5.5. Spatial algorithms and data structures (scipy.spatial)
      • 5.5.1. Nearest-neighbor Queries
        • 5.5.1.1. scipy.spatial.KDTree
        • 5.5.1.2. scipy.spatial.cKDTree
        • 5.5.1.3. scipy.spatial.distance
        • 5.5.1.4. scipy.spatial.Rectangle
      • 5.5.2. Delaunay Triangulation, Convex Hulls and Voronoi Diagrams
        • 5.5.2.1. scipy.spatial.Delaunay
        • 5.5.2.2. scipy.spatial.ConvexHull
        • 5.5.2.3. scipy.spatial.Voronoi
      • 5.5.3. Plotting Helpers
        • 5.5.3.1. scipy.spatial.delaunay_plot_2d
        • 5.5.3.2. scipy.spatial.convex_hull_plot_2d
        • 5.5.3.3. scipy.spatial.voronoi_plot_2d
      • 5.5.4. Simplex representation
        • 5.5.4.1. Functions
    • 5.6. Distance computations (scipy.spatial.distance)
      • 5.6.1. Function Reference
        • 5.6.1.1. scipy.spatial.distance.pdist
        • 5.6.1.2. scipy.spatial.distance.cdist
        • 5.6.1.3. scipy.spatial.distance.squareform
        • 5.6.1.4. scipy.spatial.distance.is_valid_dm
        • 5.6.1.5. scipy.spatial.distance.is_valid_y
        • 5.6.1.6. scipy.spatial.distance.num_obs_dm
        • 5.6.1.7. scipy.spatial.distance.num_obs_y
        • 5.6.1.8. scipy.spatial.distance.braycurtis
        • 5.6.1.9. scipy.spatial.distance.canberra
        • 5.6.1.10. scipy.spatial.distance.chebyshev
        • 5.6.1.11. scipy.spatial.distance.cityblock
        • 5.6.1.12. scipy.spatial.distance.correlation
        • 5.6.1.13. scipy.spatial.distance.cosine
        • 5.6.1.14. scipy.spatial.distance.dice
        • 5.6.1.15. scipy.spatial.distance.euclidean
        • 5.6.1.16. scipy.spatial.distance.hamming
        • 5.6.1.17. scipy.spatial.distance.jaccard
        • 5.6.1.18. scipy.spatial.distance.kulsinski
        • 5.6.1.19. scipy.spatial.distance.mahalanobis
        • 5.6.1.20. scipy.spatial.distance.matching
        • 5.6.1.21. scipy.spatial.distance.minkowski
        • 5.6.1.22. scipy.spatial.distance.rogerstanimoto
        • 5.6.1.23. scipy.spatial.distance.russellrao
        • 5.6.1.24. scipy.spatial.distance.seuclidean
        • 5.6.1.25. scipy.spatial.distance.sokalmichener
        • 5.6.1.26. scipy.spatial.distance.sokalsneath
        • 5.6.1.27. scipy.spatial.distance.sqeuclidean
        • 5.6.1.28. scipy.spatial.distance.wminkowski
        • 5.6.1.29. scipy.spatial.distance.yule
    • 5.7. Special functions (scipy.special)
      • 5.7.1. Error handling
        • 5.7.1.1. scipy.special.errprint
        • 5.7.1.2. scipy.special.SpecialFunctionWarning
      • 5.7.2. Available functions
        • 5.7.2.1. Airy functions
        • 5.7.2.2. Elliptic Functions and Integrals
        • 5.7.2.3. Bessel Functions
        • 5.7.2.4. Struve Functions
        • 5.7.2.5. Raw Statistical Functions
        • 5.7.2.6. Information Theory Functions
        • 5.7.2.7. Gamma and Related Functions
        • 5.7.2.8. Error Function and Fresnel Integrals
        • 5.7.2.9. Legendre Functions
        • 5.7.2.10. Ellipsoidal Harmonics
        • 5.7.2.11. Orthogonal polynomials
        • 5.7.2.12. Hypergeometric Functions
        • 5.7.2.13. Parabolic Cylinder Functions
        • 5.7.2.14. Mathieu and Related Functions
        • 5.7.2.15. Spheroidal Wave Functions
        • 5.7.2.16. Kelvin Functions
        • 5.7.2.17. Combinatorics
        • 5.7.2.18. Other Special Functions
        • 5.7.2.19. Convenience Functions
    • 5.8. Statistical functions (scipy.stats)
      • 5.8.1. scipy.stats.rv_continuous
      • 5.8.2. scipy.stats.rv_discrete
      • 5.8.3. Continuous distributions
        • 5.8.3.1. scipy.stats.alpha
        • 5.8.3.2. scipy.stats.anglit
        • 5.8.3.3. scipy.stats.arcsine
        • 5.8.3.4. scipy.stats.beta
        • 5.8.3.5. scipy.stats.betaprime
        • 5.8.3.6. scipy.stats.bradford
        • 5.8.3.7. scipy.stats.burr
        • 5.8.3.8. scipy.stats.cauchy
        • 5.8.3.9. scipy.stats.chi
        • 5.8.3.10. scipy.stats.chi2
        • 5.8.3.11. scipy.stats.cosine
        • 5.8.3.12. scipy.stats.dgamma
        • 5.8.3.13. scipy.stats.dweibull
        • 5.8.3.14. scipy.stats.erlang
        • 5.8.3.15. scipy.stats.expon
        • 5.8.3.16. scipy.stats.exponnorm
        • 5.8.3.17. scipy.stats.exponweib
        • 5.8.3.18. scipy.stats.exponpow
        • 5.8.3.19. scipy.stats.f
        • 5.8.3.20. scipy.stats.fatiguelife
        • 5.8.3.21. scipy.stats.fisk
        • 5.8.3.22. scipy.stats.foldcauchy
        • 5.8.3.23. scipy.stats.foldnorm
        • 5.8.3.24. scipy.stats.frechet_r
        • 5.8.3.25. scipy.stats.frechet_l
        • 5.8.3.26. scipy.stats.genlogistic
        • 5.8.3.27. scipy.stats.gennorm
        • 5.8.3.28. scipy.stats.genpareto
        • 5.8.3.29. scipy.stats.genexpon
        • 5.8.3.30. scipy.stats.genextreme
        • 5.8.3.31. scipy.stats.gausshyper
        • 5.8.3.32. scipy.stats.gamma
        • 5.8.3.33. scipy.stats.gengamma
        • 5.8.3.34. scipy.stats.genhalflogistic
        • 5.8.3.35. scipy.stats.gilbrat
        • 5.8.3.36. scipy.stats.gompertz
        • 5.8.3.37. scipy.stats.gumbel_r
        • 5.8.3.38. scipy.stats.gumbel_l
        • 5.8.3.39. scipy.stats.halfcauchy
        • 5.8.3.40. scipy.stats.halflogistic
        • 5.8.3.41. scipy.stats.halfnorm
        • 5.8.3.42. scipy.stats.halfgennorm
        • 5.8.3.43. scipy.stats.hypsecant
        • 5.8.3.44. scipy.stats.invgamma
        • 5.8.3.45. scipy.stats.invgauss
        • 5.8.3.46. scipy.stats.invweibull
        • 5.8.3.47. scipy.stats.johnsonsb
        • 5.8.3.48. scipy.stats.johnsonsu
        • 5.8.3.49. scipy.stats.ksone
        • 5.8.3.50. scipy.stats.kstwobign
        • 5.8.3.51. scipy.stats.laplace
        • 5.8.3.52. scipy.stats.levy
        • 5.8.3.53. scipy.stats.levy_l
        • 5.8.3.54. scipy.stats.levy_stable
        • 5.8.3.55. scipy.stats.logistic
        • 5.8.3.56. scipy.stats.loggamma
        • 5.8.3.57. scipy.stats.loglaplace
        • 5.8.3.58. scipy.stats.lognorm
        • 5.8.3.59. scipy.stats.lomax
        • 5.8.3.60. scipy.stats.maxwell
        • 5.8.3.61. scipy.stats.mielke
        • 5.8.3.62. scipy.stats.nakagami
        • 5.8.3.63. scipy.stats.ncx2
        • 5.8.3.64. scipy.stats.ncf
        • 5.8.3.65. scipy.stats.nct
        • 5.8.3.66. scipy.stats.norm
        • 5.8.3.67. scipy.stats.pareto
        • 5.8.3.68. scipy.stats.pearson3
        • 5.8.3.69. scipy.stats.powerlaw
        • 5.8.3.70. scipy.stats.powerlognorm
        • 5.8.3.71. scipy.stats.powernorm
        • 5.8.3.72. scipy.stats.rdist
        • 5.8.3.73. scipy.stats.reciprocal
        • 5.8.3.74. scipy.stats.rayleigh
        • 5.8.3.75. scipy.stats.rice
        • 5.8.3.76. scipy.stats.recipinvgauss
        • 5.8.3.77. scipy.stats.semicircular
        • 5.8.3.78. scipy.stats.t
        • 5.8.3.79. scipy.stats.triang
        • 5.8.3.80. scipy.stats.truncexpon
        • 5.8.3.81. scipy.stats.truncnorm
        • 5.8.3.82. scipy.stats.tukeylambda
        • 5.8.3.83. scipy.stats.uniform
        • 5.8.3.84. scipy.stats.vonmises
        • 5.8.3.85. scipy.stats.vonmises_line
        • 5.8.3.86. scipy.stats.wald
        • 5.8.3.87. scipy.stats.weibull_min
        • 5.8.3.88. scipy.stats.weibull_max
        • 5.8.3.89. scipy.stats.wrapcauchy
      • 5.8.4. Multivariate distributions
        • 5.8.4.1. scipy.stats.multivariate_normal
        • 5.8.4.2. scipy.stats.matrix_normal
        • 5.8.4.3. scipy.stats.dirichlet
        • 5.8.4.4. scipy.stats.wishart
        • 5.8.4.5. scipy.stats.invwishart
      • 5.8.5. Discrete distributions
        • 5.8.5.1. scipy.stats.bernoulli
        • 5.8.5.2. scipy.stats.binom
        • 5.8.5.3. scipy.stats.boltzmann
        • 5.8.5.4. scipy.stats.dlaplace
        • 5.8.5.5. scipy.stats.geom
        • 5.8.5.6. scipy.stats.hypergeom
        • 5.8.5.7. scipy.stats.logser
        • 5.8.5.8. scipy.stats.nbinom
        • 5.8.5.9. scipy.stats.planck
        • 5.8.5.10. scipy.stats.poisson
        • 5.8.5.11. scipy.stats.randint
        • 5.8.5.12. scipy.stats.skellam
        • 5.8.5.13. scipy.stats.zipf
      • 5.8.6. Statistical functions
        • 5.8.6.1. scipy.stats.describe
        • 5.8.6.2. scipy.stats.gmean
        • 5.8.6.3. scipy.stats.hmean
        • 5.8.6.4. scipy.stats.kurtosis
        • 5.8.6.5. scipy.stats.kurtosistest
        • 5.8.6.6. scipy.stats.mode
        • 5.8.6.7. scipy.stats.moment
        • 5.8.6.8. scipy.stats.normaltest
        • 5.8.6.9. scipy.stats.skew
        • 5.8.6.10. scipy.stats.skewtest
        • 5.8.6.11. scipy.stats.kstat
        • 5.8.6.12. scipy.stats.kstatvar
        • 5.8.6.13. scipy.stats.tmean
        • 5.8.6.14. scipy.stats.tvar
        • 5.8.6.15. scipy.stats.tmin
        • 5.8.6.16. scipy.stats.tmax
        • 5.8.6.17. scipy.stats.tstd
        • 5.8.6.18. scipy.stats.tsem
        • 5.8.6.19. scipy.stats.nanmean
        • 5.8.6.20. scipy.stats.nanstd
        • 5.8.6.21. scipy.stats.nanmedian
        • 5.8.6.22. scipy.stats.variation
        • 5.8.6.23. scipy.stats.find_repeats
        • 5.8.6.24. scipy.stats.trim_mean
        • 5.8.6.25. scipy.stats.cumfreq
        • 5.8.6.26. scipy.stats.histogram2
        • 5.8.6.27. scipy.stats.histogram
        • 5.8.6.28. scipy.stats.itemfreq
        • 5.8.6.29. scipy.stats.percentileofscore
        • 5.8.6.30. scipy.stats.scoreatpercentile
        • 5.8.6.31. scipy.stats.relfreq
        • 5.8.6.32. scipy.stats.binned_statistic
        • 5.8.6.33. scipy.stats.binned_statistic_2d
        • 5.8.6.34. scipy.stats.binned_statistic_dd
        • 5.8.6.35. scipy.stats.obrientransform
        • 5.8.6.36. scipy.stats.signaltonoise
        • 5.8.6.37. scipy.stats.bayes_mvs
        • 5.8.6.38. scipy.stats.mvsdist
        • 5.8.6.39. scipy.stats.sem
        • 5.8.6.40. scipy.stats.zmap
        • 5.8.6.41. scipy.stats.zscore
        • 5.8.6.42. scipy.stats.sigmaclip
        • 5.8.6.43. scipy.stats.threshold
        • 5.8.6.44. scipy.stats.trimboth
        • 5.8.6.45. scipy.stats.trim1
        • 5.8.6.46. scipy.stats.f_oneway
        • 5.8.6.47. scipy.stats.pearsonr
        • 5.8.6.48. scipy.stats.spearmanr
        • 5.8.6.49. scipy.stats.pointbiserialr
        • 5.8.6.50. scipy.stats.kendalltau
        • 5.8.6.51. scipy.stats.linregress
        • 5.8.6.52. scipy.stats.theilslopes
        • 5.8.6.53. scipy.stats.f_value
        • 5.8.6.54. scipy.stats.ttest_1samp
        • 5.8.6.55. scipy.stats.ttest_ind
        • 5.8.6.56. scipy.stats.ttest_ind_from_stats
        • 5.8.6.57. scipy.stats.ttest_rel
        • 5.8.6.58. scipy.stats.kstest
        • 5.8.6.59. scipy.stats.chisquare
        • 5.8.6.60. scipy.stats.power_divergence
        • 5.8.6.61. scipy.stats.ks_2samp
        • 5.8.6.62. scipy.stats.mannwhitneyu
        • 5.8.6.63. scipy.stats.tiecorrect
        • 5.8.6.64. scipy.stats.rankdata
        • 5.8.6.65. scipy.stats.ranksums
        • 5.8.6.66. scipy.stats.wilcoxon
        • 5.8.6.67. scipy.stats.kruskal
        • 5.8.6.68. scipy.stats.friedmanchisquare
        • 5.8.6.69. scipy.stats.combine_pvalues
        • 5.8.6.70. scipy.stats.ss
        • 5.8.6.71. scipy.stats.square_of_sums
        • 5.8.6.72. scipy.stats.jarque_bera
        • 5.8.6.73. scipy.stats.ansari
        • 5.8.6.74. scipy.stats.bartlett
        • 5.8.6.75. scipy.stats.levene
        • 5.8.6.76. scipy.stats.shapiro
        • 5.8.6.77. scipy.stats.anderson
        • 5.8.6.78. scipy.stats.anderson_ksamp
        • 5.8.6.79. scipy.stats.binom_test
        • 5.8.6.80. scipy.stats.fligner
        • 5.8.6.81. scipy.stats.median_test
        • 5.8.6.82. scipy.stats.mood
        • 5.8.6.83. scipy.stats.boxcox
        • 5.8.6.84. scipy.stats.boxcox_normmax
        • 5.8.6.85. scipy.stats.boxcox_llf
        • 5.8.6.86. scipy.stats.entropy
        • 5.8.6.87. scipy.stats.chisqprob
        • 5.8.6.88. scipy.stats.betai
      • 5.8.7. Circular statistical functions
        • 5.8.7.1. scipy.stats.circmean
        • 5.8.7.2. scipy.stats.circvar
        • 5.8.7.3. scipy.stats.circstd
      • 5.8.8. Contingency table functions
        • 5.8.8.1. scipy.stats.chi2_contingency
        • 5.8.8.2. scipy.stats.contingency.expected_freq
        • 5.8.8.3. scipy.stats.contingency.margins
        • 5.8.8.4. scipy.stats.fisher_exact
      • 5.8.9. Plot-tests
        • 5.8.9.1. scipy.stats.ppcc_max
        • 5.8.9.2. scipy.stats.ppcc_plot
        • 5.8.9.3. scipy.stats.probplot
        • 5.8.9.4. scipy.stats.boxcox_normplot
      • 5.8.10. Masked statistics functions
        • 5.8.10.1. Statistical functions for masked arrays (scipy.stats.mstats)
      • 5.8.11. Univariate and multivariate kernel density estimation (scipy.stats.kde)
        • 5.8.11.1. scipy.stats.gaussian_kde
    • 5.8.10.1. Statistical functions for masked arrays (scipy.stats.mstats)
      • 5.8.10.1.1. scipy.stats.mstats.argstoarray
      • 5.8.10.1.2. scipy.stats.mstats.betai
      • 5.8.10.1.3. scipy.stats.mstats.chisquare
      • 5.8.10.1.4. scipy.stats.mstats.count_tied_groups
      • 5.8.10.1.5. scipy.stats.mstats.describe
      • 5.8.10.1.6. scipy.stats.mstats.f_oneway
      • 5.8.10.1.7. scipy.stats.mstats.f_value_wilks_lambda
      • 5.8.10.1.8. scipy.stats.mstats.find_repeats
      • 5.8.10.1.9. scipy.stats.mstats.friedmanchisquare
      • 5.8.10.1.10. scipy.stats.mstats.kendalltau
      • 5.8.10.1.11. scipy.stats.mstats.kendalltau_seasonal
      • 5.8.10.1.12. scipy.stats.mstats.kruskalwallis
      • 5.8.10.1.13. scipy.stats.mstats.ks_twosamp
      • 5.8.10.1.14. scipy.stats.mstats.kurtosis
      • 5.8.10.1.15. scipy.stats.mstats.kurtosistest
      • 5.8.10.1.16. scipy.stats.mstats.linregress
      • 5.8.10.1.17. scipy.stats.mstats.mannwhitneyu
      • 5.8.10.1.18. scipy.stats.mstats.plotting_positions
      • 5.8.10.1.19. scipy.stats.mstats.mode
      • 5.8.10.1.20. scipy.stats.mstats.moment
      • 5.8.10.1.21. scipy.stats.mstats.mquantiles
      • 5.8.10.1.22. scipy.stats.mstats.msign
      • 5.8.10.1.23. scipy.stats.mstats.normaltest
      • 5.8.10.1.24. scipy.stats.mstats.obrientransform
      • 5.8.10.1.25. scipy.stats.mstats.pearsonr
      • 5.8.10.1.18. scipy.stats.mstats.plotting_positions
      • 5.8.10.1.26. scipy.stats.mstats.pointbiserialr
      • 5.8.10.1.27. scipy.stats.mstats.rankdata
      • 5.8.10.1.28. scipy.stats.mstats.scoreatpercentile
      • 5.8.10.1.29. scipy.stats.mstats.sem
      • 5.8.10.1.30. scipy.stats.mstats.signaltonoise
      • 5.8.10.1.31. scipy.stats.mstats.skew
      • 5.8.10.1.32. scipy.stats.mstats.skewtest
      • 5.8.10.1.33. scipy.stats.mstats.spearmanr
      • 5.8.10.1.34. scipy.stats.mstats.theilslopes
      • 5.8.10.1.35. scipy.stats.mstats.threshold
      • 5.8.10.1.36. scipy.stats.mstats.tmax
      • 5.8.10.1.37. scipy.stats.mstats.tmean
      • 5.8.10.1.38. scipy.stats.mstats.tmin
      • 5.8.10.1.39. scipy.stats.mstats.trim
      • 5.8.10.1.40. scipy.stats.mstats.trima
      • 5.8.10.1.41. scipy.stats.mstats.trimboth
      • 5.8.10.1.42. scipy.stats.mstats.trimmed_stde
      • 5.8.10.1.43. scipy.stats.mstats.trimr
      • 5.8.10.1.44. scipy.stats.mstats.trimtail
      • 5.8.10.1.45. scipy.stats.mstats.tsem
      • 5.8.10.1.46. scipy.stats.mstats.ttest_onesamp
      • 5.8.10.1.47. scipy.stats.mstats.ttest_ind
      • 5.8.10.1.46. scipy.stats.mstats.ttest_onesamp
      • 5.8.10.1.48. scipy.stats.mstats.ttest_rel
      • 5.8.10.1.49. scipy.stats.mstats.tvar
      • 5.8.10.1.50. scipy.stats.mstats.variation
      • 5.8.10.1.51. scipy.stats.mstats.winsorize
      • 5.8.10.1.52. scipy.stats.mstats.zmap
      • 5.8.10.1.53. scipy.stats.mstats.zscore
      • 5.8.10.1.54. scipy.stats.mstats.compare_medians_ms
      • 5.8.10.1.55. scipy.stats.mstats.gmean
      • 5.8.10.1.56. scipy.stats.mstats.hdmedian
      • 5.8.10.1.57. scipy.stats.mstats.hdquantiles
      • 5.8.10.1.58. scipy.stats.mstats.hdquantiles_sd
      • 5.8.10.1.59. scipy.stats.mstats.hmean
      • 5.8.10.1.60. scipy.stats.mstats.idealfourths
      • 5.8.10.1.61. scipy.stats.mstats.kruskal
      • 5.8.10.1.62. scipy.stats.mstats.ks_2samp
      • 5.8.10.1.63. scipy.stats.mstats.median_cihs
      • 5.8.10.1.64. scipy.stats.mstats.meppf
      • 5.8.10.1.65. scipy.stats.mstats.mjci
      • 5.8.10.1.66. scipy.stats.mstats.mquantiles_cimj
      • 5.8.10.1.67. scipy.stats.mstats.rsh
      • 5.8.10.1.68. scipy.stats.mstats.sen_seasonal_slopes
      • 5.8.10.1.69. scipy.stats.mstats.trimmed_mean
      • 5.8.10.1.70. scipy.stats.mstats.trimmed_mean_ci
      • 5.8.10.1.71. scipy.stats.mstats.trimmed_std
      • 5.8.10.1.72. scipy.stats.mstats.trimmed_var
      • 5.8.10.1.73. scipy.stats.mstats.ttest_1samp
    • 5.9. C/C++ integration (scipy.weave)
      • 5.9.1. C/C++ integration
      • 5.9.2. scipy.weave.inline
      • 5.9.3. scipy.weave.blitz
      • 5.9.4. scipy.weave.ext_tools
Scipy API
  • Docs »
  • 3. API (c-i) »
  • 3.1. scipy.cluster »
  • 3.1.3. Hierarchical clustering (scipy.cluster.hierarchy) »
  • 3.1.3.30. scipy.cluster.hierarchy.set_link_color_palette
  • View page source

3.1.3.30. scipy.cluster.hierarchy.set_link_color_palette¶

scipy.cluster.hierarchy.set_link_color_palette(palette)[source]¶

Set list of matplotlib color codes for use by dendrogram.

Note that this palette is global (i.e. setting it once changes the colors for all subsequent calls to dendrogram) and that it affects only the the colors below color_threshold.

Note that dendrogram also accepts a custom coloring function through its link_color_func keyword, which is more flexible and non-global.

Parameters:

palette : list of str or None

A list of matplotlib color codes. The order of the color codes is the order in which the colors are cycled through when color thresholding in the dendrogram.

If None, resets the palette to its default (which is ['g', 'r', 'c', 'm', 'y', 'k']).

Returns:

None

See also

dendrogram

Notes

Ability to reset the palette with None added in Scipy 0.17.0.

Examples

>>> from scipy.cluster import hierarchy
>>> ytdist = np.array([662., 877., 255., 412., 996., 295., 468., 268., 400.,
...                    754., 564., 138., 219., 869., 669.])
>>> Z = hierarchy.linkage(ytdist, 'single')
>>> dn = hierarchy.dendrogram(Z, no_plot=True)
>>> dn['color_list']
['g', 'b', 'b', 'b', 'b']
>>> hierarchy.set_link_color_palette(['c', 'm', 'y', 'k'])
>>> dn = hierarchy.dendrogram(Z, no_plot=True)
>>> dn['color_list']
['c', 'b', 'b', 'b', 'b']
>>> dn = hierarchy.dendrogram(Z, no_plot=True, color_threshold=267,
...                           above_threshold_color='k')
>>> dn['color_list']
['c', 'm', 'm', 'k', 'k']

Now reset the color palette to its default:

>>> hierarchy.set_link_color_palette(None)
Next Previous

© Copyright 2016.

Built with Sphinx using a theme provided by Read the Docs.