Scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。
Scipy是由针对特定任务的子模块组成：
| 模块名 | 应用领域 |
|---|---|
| scipy.cluster | 向量计算/Kmeans |
| scipy.constants | 物理和数学常量 |
| scipy.fftpack | 傅立叶变换 |
| scipy.integrate | 积分程序 |
| scipy.interpolate | 插值 |
| scipy.io | 数据输入输出 |
| scipy.linalg | 线性代数程序 |
| scipy.ndimage | n维图像包 |
| scipy.odr | 正交距离回归 |
| scipy.optimize | 优化 |
| scipy.signal | 信号处理 |
| scipy.sparse | 稀疏矩阵 |
| scipy.spatial | 空间数据结构和算法 |
| scipy.special | 一些特殊的数学函数 |
| scipy.stats | 统计 |
更多可参考：https://www.jianshu.com/p/6c742912047f
Scipy中，optimize模块中提供了很多数值优化算法，其中，最小二乘法可以说是最经典的数值优化技术了， 通过最小化误差的平方来寻找最符合数据的曲线。在optimize模块中，使用leastsq（）函数可以很快速地使用最小二乘法对数据进行拟合。
首先来看leastsq（）函数地调用格式：
leastsq(func, x0, args=(), Dfun=None, full_output=0, col_deriv=0, ftol=1.49012e-08, xtol=1.49012e-08, gtol=0.0, maxfev=0, epsfcn=0.0, factor=100, diag=None, warning=True)
一般来说，我们只需要前三个参数就够了他们的作用分别是：
- func：误差函数
- x0：函数的参数
- args（）表示数据点