用途：pycse（Python Computations in Science and Engineering）在 numpy/scipy 之上封装便捷函数，主要用于实验数据拟合、回归分析与科学计算，核心特点是自动返回参数置信区间，减少手动提取协方差矩阵和计算区间的样板代码。
主要能力：线性回归 regress(A, y, alpha=0.05)、非线性回归 nlinfit(model, x, y, p0, alpha=0.05)、多项式拟合 polyfit(x, y, deg, alpha=0.05)，均返回 (p, pint, se)，即拟合参数、置信区间和标准误；预测接口 predict 与 nlpredict 可给出预测值及误差边界；bic、lbic、Rsquared 用于模型比较与拟合优度；ivp 封装 ODE 求解；hashcache 提供 HashCache、JsonCache、SqlCache 三种磁盘缓存，其中 SqlCache 支持 search() 检索；utils 提供 read_gsheet 读取 Google Sheets 到 pandas，以及 feq、fgt、flt、fge、fle 等容差比较函数。
使用方式：安装命令为 pip install pycse，依赖 Python 3.6+、numpy、scipy。非线性拟合必须提供初始参数猜测 p0；regress 要求设计矩阵 A 为二维，形状为（观测数, 参数数），例如用 np.column_stack([np.ones(len(x)), x]) 加入截距列。
适用场景：需要参数置信区间的实验数据拟合、线性/非线性/多项式回归、带误差边界的预测、基于 BIC 与 R² 的模型比较、昂贵计算结果缓存、从 Google Sheets 读取数据、求解 ODE。
限制：若 scipy 已满足需求可不必使用；需要最小二乘之外的定制优化、复杂约束优化或 pycse 未暴露的功能时，应直接使用 scipy。pycse 是对 scipy 的便捷封装而非替代。官方文档与示例见 GitHub 仓库及 pycse 文档站点。