关于 python-scientific-computing
Python Scientific Computing 是一项面向 Python 数值与科学计算的技能，适用于工程、数据分析和模拟任务。它列出 NumPy、SciPy、SymPy 资源及相关子技能；README 未说明 MCP 功能。
主要功能
- 01数值分析与优化
- 02工程计算
- 03矩阵运算与线性代数
- 04符号数学
- 05统计分析与曲线拟合
- 06物理模拟与有限元预处理
适用场景
- 01求解方程或进行数值积分
- 02分析工程测量数据
- 03准备物理系统模拟
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/python-scientific-computing确认已加载。
详细介绍
Python 科学计算
何时使用此技能
需要以下功能时，请使用 Python 科学计算：
- 数值分析 - 求解方程、优化、积分
- 工程计算 - 应力、应变、动力学、热力学
- 矩阵运算 - 线性代数、特征值问题
- 符号数学 - 解析解、方程变换
- 数据分析 - 统计分析、曲线拟合
- 仿真 - 物理系统、有限元预处理
避免在以下情况下使用：
- 对实时性能要求很高（使用 C++/Fortran）
- 只需进行简单计算（使用计算器或 Excel）
- 不需要数值计算
资源
- NumPy 文档：https://numpy.org/doc/
- SciPy 文档：https://docs.scipy.org/doc/scipy/
- SymPy 文档：https://docs.sympy.org/
- 面向 MATLAB 用户的 NumPy：https://numpy.org/doc/stable/user/numpy-for-matlab-users.html
- SciPy 讲义：https://scipy-lectures.org/
子技能
子技能
评论
支持 Markdown