Python是一種廣泛應用于各個領域的編程語言，其數值計算庫更是臭名昭著。Python庫的強大和簡單易用使它成為科學家，工程師和數據科學家的首選之一。在Python中，有很多數值計算庫，本文將重點介紹NumPy和SciPy。

NumPy是一個基于Python語言的集成數值計算庫，可以用來處理數組、矩陣等數值問題。NumPy用C語言實現，因此速度非常快。通過NumPy，我們可以進行矩陣操作、隨機數生成、數據排序、統計學計算以及線性代數等各種高級操作。以下是一些使用NumPy的代碼實例：

import numpy as np
#創建一個1-10的數組
arr = np.arange(1,11)
print(arr)
#創建一個2x2的矩陣
matrix = np.array([[1,2],[3,4]])
print(matrix)
#生成10個隨機數
rand_nums = np.random.rand(10)
print(rand_nums)

SciPy是一個基于NumPy的Python庫，提供了許多有用的科學計算功能。SciPy包含的子模塊涉及優化、線性代數、積分、插值、傅里葉變換、信號和圖像處理等。SciPy的主要功能包括數值優化、特殊函數、統計函數、信號處理等。以下是一些使用SciPy的代碼實例：

import scipy.optimize as optimize
#求解一元二次方程
def f(x):
return x**2 + 10*x + 20
result = optimize.minimize(f,0)
print(result.x)
from scipy import signal
#高通濾波
nyq_rate = 100.0/2
low_freq = 0.5
hi_freq = 3.0
filt_order = 3
b,a = signal.butter(filt_order, [low_freq/nyq_rate,hi_freq/nyq_rate], btype='band')
filter_out = signal.filtfilt(b,a,data)

總的來說，Python的數值計算庫提供了許多方便易用的功能，幾乎可以滿足所有的科學計算需求。NumPy和SciPy是最受歡迎的庫之一，具有廣泛的適用性。如果你想進行數值計算，Python是一個非常好的選擇。