Phenquestions
A Python legegyszerűbb használata matematikában számológépként. Ehhez indítsa el a Python-ot a terminálon, és használja a nyomtatási funkciót.
Az egyszerű matematika a matematikai modul aktiválása nélkül is elérhető, de az összeadáson, kivonáson, osztáson és szorzáson túl importálnia kell a matematikai modult. A kód rövidítéséhez importálja 'm' néven. Most m és egy pontot tesz minden használt funkció elé. Ez ugyanúgy működik a Python összes moduljánál. Ha összetett számokat szeretne használni, használja a cmath modult.
Az ezen túlmutató funkciók esetében az alábbiakban néhány könyvtár speciális igényekre specializálódott.
- A NumPy könyvtárak kezelik a tömbök matematikai függvényeit. Bármilyen típusú tömb létrehozása lehetséges, és a memóriában történő optimalizálás is támogatott. Az N dimenziós tömb teljesen lefedett. A könyvtár által kezelt funkciók közé tartozik az iteráció, a Fourier Transfom, a lineáris algebra és a pénzügyi függvények. Ez a könyvtár egy C-API-t is megvalósít, így a C sebességét a teljes projekt lefordítása nélkül is használhatja.
- A SciPy a tudományhoz kapcsolódó szoftverek gyűjteménye, amelynek középpontjában matematikai feladatok állnak. Ha bármit is ki kell számolnia, akkor ez egy jó hely a kezdéshez. A gyűjtemény integrációt, optimalizálást és ritka sajátértékeket tartalmaz.
- A Scikit-image nagyszerű erőforrás a képek manipulálására és elemzésére. A könyvtár rendelkezik vonalak, élek és jellemzők észlelésére szolgáló funkciókkal. Visszaállítási funkciókkal is rendelkezik, ha hibás képek vannak. Számos elemzési eszköz is rendelkezésre áll.
- A Scikit-learn hasznos a gépi tanulási kód összeállításához. Ez modulokat tartalmaz osztályozáshoz, regresszióhoz, klaszterezéshez és egyebekhez. A weboldal tele van hasznos példákkal, így könnyedén elindulhat.
- A Pandas az a goto erőforrás a nagy adatkészletekhez, amelyeken elvégezheti az adattudományt. A Pandas támogatja az adatok elemzését és modellezését, egyszerű és egyértelmű kóddal. Sok funkció lefordítható R-től, így prototípusokat készíthet a Pandas segítségével.
- A statisztikai modellek lefedik az Ön statisztikai modellekkel kapcsolatos igényeit. Ez a könyvtár sok hasonló dolgot kezel, mint például a Panda, de importálhat Sata fájlokat és kezelheti az idősorok elemzését is. Van egy homokozó, ahol különböző statisztikai modellekkel kísérletezhet. Az adott kód még nincs tesztelve, de talán elég közel van ahhoz, hogy befejezze a munkát.
- Matplotlib: A grafikonok ábrázolásához animált ábrákat is tartalmaz.
A korábbi könyvtárak kiválóan alkalmasak a matematikára, de szándékosan távol maradtak a tervezéstől. Ehelyett hagyják, hogy a matplotlib-hez hasonló könyvtárak kezeljék ezeket
Ez széles körűvé tette a matplotlib-et, és számos támogató szoftverrel is rendelkezik, amely lefedi a térképezést, az ábrázolást és az elektronikus áramkör tervezését.
- Gnuplot.A py a népszerű gnuplot program interfész csomagja. Objektumorientált kialakítású, így hozzáadhatja saját kiterjesztéseit.
- Patsy minden formában leírja a statisztikai modelleket. Sok olyan funkciója is van, amelyek általánosak az R-ben, de kis különbségekkel rendelkeznek, például hogyan lehet jelölni a hatványozást. Patsy képletek felhasználásával építi fel a mátrixokat, nagyon hasonlítva az S és R értékekhez.
- Sympy: A matematikai képletek nyomtatásához használja ezt a könyvtárat. Képes értékelni a kifejezéseket is. Nagyon hasznos képletek létrehozásához a LaTeX dokumentumokban. A Sympy élőben is futtatható a böngészőben, hogy kipróbálja.
Most, hogy megtanulta, milyen projekteket használjon a matematikához, hamarosan kevés lesz a feldolgozási teljesítmény. A helyzet orvoslására a párhuzamos végrehajtás a leggyakoribb megoldás. Számos Python könyvtár létezik erre a célra.
Az mpi4py könyvtár kötéseket biztosít a szokásos Message Passing Interface-hez. Le kell töltenie egy szabványos párhuzamos könyvtárat, például mpich vagy openmpi. Mindkettő elérhető a szokásos tárolókban.
A másik könyvtár párhuzamos python vagy pp. A Párhuzamos Python létrehoz egy kiszolgálót és sok olyan klienst, amelyek munkákat vesznek el a szerverről. Ez a projekt nem valósít meg szabványt, ehelyett a kiszolgálót és az ügyfelet ugyanarról a csomagról használja az összes gépén. Ez bizonyos szempontból egyszerűbb, de többet igényel, ha a projektje naggyá válik, és más emberekre van szüksége, hogy kölcsönözzenek Önnek feldolgozási erőt.
Ezek a könyvtárak mindegyike önmagában jó, de mindenképpen válassza ki az Ön igényeinek megfelelőt.
A választás nem visszafordíthatatlan, de elég sok munkát igényel a projekt későbbi részében. Új könyvtár használatához meg kell változtatni a forráskódot, és új hibák lépnek fel, ezért válasszon okosan.
Ha interaktív módon szeretné elvégezni a számításokat, telepítse és használja az Ipythont, mivel ez a Python parancssori verziójának továbbfejlesztett változata. Ha még nem tette meg, fontolja meg a Jupyter használatát. Jegyzetfüzetet, dokumentumokat és kódkonzolt biztosít Önnek ugyanazon a munkaterületen.
A keretrendszer IDE-ként működik, de inkább a fejlesztett problémák és szoftverek feltárására irányul, mint a hagyományos IDE-k.
További információkért lásd a cikkeket:
- Az Anaconda Python telepítése az Ubuntu 18-ra.04 LTS
- Anaconda Python bemutató
- A 10 legfontosabb Python IDE az Ubuntu számára
- A Jupyter notebookok telepítése az Ubuntu 18-ra.04 LTS
