Python的SciPy庫構建NumPy陣列，並提供許多使用者友好和高效的數位實踐，例如:數值整合和優化例程。 它們一起執行在所有流行的作業系統上，安裝快速且免費。 NumPy和SciPy易於使用，它們強大到足以滿足世界上一些頂尖的科學家和工程師的使用。
SciPy被組織成覆蓋不同科學計算領域的子包。 這些總結在下表中 -
| 包名 | 描述 |
|---|---|
| scipy.constants | 物理和數學常數 |
| scipy.fftpack | 傅里葉變換 |
| scipy.integrate | 整合例程 |
| scipy.interpolate | 插值 |
| scipy.io | 資料輸入和輸出 |
| scipy.linalg | 線性代數例程 |
| scipy.optimize | 優化 |
| scipy.signal | 信號處理 |
| scipy.sparse | 稀疏矩陣 |
| scipy.spatial | 空間資料結構和演算法 |
| scipy.special | 任何特殊的數學函式 |
| scipy.stats | 統計 |
SciPy使用的基本資料結構是由NumPy模組提供的多維陣列。 NumPy為線性代數，傅立葉變換和亂數生成提供了一些功能，但與SciPy中等效函式的一般性不同。
在接下來的章節中，我們將看到很多關於在資料科學工作中使用Python的SciPy庫的例子。