在Python中求解方程，可以使用SymPy库或Numpy库。以下是使用这两个库求解方程的示例：
使用SymPy库
SymPy是一个符号数学的Python库，适用于符号计算和求解方程。
安装SymPy库
```bash
pip install sympy
```
求解一元一次方程
```python
from sympy import symbols, Eq, solve
x = symbols（'x'）
equation = Eq（5*x + 20, 100）
solution = solve（equation, x）
print（solution） 输出：
```
求解二元一次方程组
```python
from sympy import symbols, Eq, solve
x, y = symbols（'x y'）
equation1 = Eq（3*x + 4*y, 49）
equation2 = Eq（8*x - y, 14）
solution = solve（（equation1, equation2）, （x, y））
print（solution） 输出： {x: 2, y: 10}
```
使用Numpy库
Numpy是一个强大的数值计算库，适用于数值计算和求解线性方程组。
求解一元一次方程
```python
import numpy as np
a = 2
b = 3
x = -b / a
print（"方程的解为：", x） 输出： 方程的解为： -1.5
```
求解二元一次方程组
```python
import numpy as np
A = np.array（[[2, 3], [4, 5]]）
b = np.array（[3, 6]）
x = np.linalg.solve（A, b）
print（x） 输出： [-1. 2.]
```
总结
SymPy：适用于符号计算和求解各种方程，包括代数方程、微分方程等。它使用符号变量来表示数学表达式，并提供了丰富的数学函数和求解方法。
Numpy：适用于数值计算和求解线性方程组。它通过矩阵运算来求解方程，适合于处理大规模数值计算问题。
根据具体需求和方程类型，可以选择合适的库进行求解。对于符号计算和一般方程，SymPy是一个很好的选择；对于数值计算和线性方程组，Numpy更为高效。