python科学计算基础教程电⼦版-Python科学计算基础（整
理）
Python是⼀种⾯向对象的、动态的程序设计语⾔，具有⾮常简洁⽽清晰的语法，既可以⽤于快速开发程序脚本，也可以⽤于开发⼤规模的软件，特别适合于完成各种⾼层任务。
随着NumPy、SciPy、matplotlib、ETS等众多程序库的开发，Python越来越适合于做科学计算。与科学计算领域最流⾏的商业软件MATLAB相⽐，Python是⼀门真正的通⽤程序设计语⾔，⽐MATLAB所采⽤的脚本语⾔的应⽤范围更⼴泛，有更多程序库的⽀持，适⽤于Windows和Linux等多种平台，完全免费并且开放源码。虽然MATLAB中的某些⾼级功能⽬前还⽆法替代，但是对于基础性、前瞻性的科研⼯作和应⽤系统的开发，完全可以⽤Python来完成。
*Numba项⽬能够将处理NumPy数组的Python函数JIT编译为机器码执⾏，从⽽上百倍的提⾼程序的运算速度。
*Pandas经过⼏个版本周期的迭代，⽬前已经成为数据整理、处理、分析的不⼆选择。
*OpenCV官⽅的扩展库cv2已经正式出台，它的众多图像处理函数能直接对NumPy数组进⾏处理，便捷图像处理、计算机视觉程序变得更加⽅便、简洁。
*matplotlib已经拥有稳定开发社区，最新发布的1.3版本添加了WebAgg后台绘图库，能在浏览器中显⽰图表并与之进⾏交互。相信不久这⼀功能就会集成到IPython Notebook中去。
* Cython已经内置⽀持NumPy数组，它已经逐渐成为编写⾼效运算扩展库的⾸选⼯具。例如Pandas中绝⼤部分的提速代码都是采⽤Cython编写的。
* NumPy、SciPy等也经历了⼏个版本的更新，许多计算变得更快捷，功能也更加丰富。
网站服务器租赁一般多少钱* WinPython、Anaconda等新兴的Python集成环境⽆须安装，使得共享Python程序更⽅便快捷。
布莱德索18分* 随着Python3逐渐成为主流，IPython, NumPy, SciPy, matplotlib, Pandas, Cython等主要的科学计算扩展库也已经开始⽀持Python3了。
Python⽤于科学计算的⼀些常⽤⼯具和库IPython-增强的交互环境：⽀持变量⾃动补全，⾃动缩进，⽀持 bash shell命令，内置了许多很有⽤的功能和函数
Spyder、Wing IDE或Eclipse/Pydev：集成开发环境
NumPy-数学计算基础库：N维数组、线性代数计算、傅⽴叶变换、随机数等。
SciPy-数值计算库：线性代数、拟合与优化、插值、数值积分、稀疏矩阵、图像处理、统计等。
SymPy-符号运算
Pandas-数据分析库：数据导⼊、整理、处理、分析等。
matplotlib-会图库：绘制⼆维图形和图表
大学python入门教程js推箱子小游戏源代码Chaco-交互式图表
OpenCV-计算机视觉库
TVTK-数据的三维可视化
Cython-Python转C的编译器：编写⾼效运算扩展库的⾸选⼯具rgba代码对照表
BioPython-⽣物科学
Python科学计算发⾏版Python(x,y)
当前最新版本:2.7.6.1 (05/30/2014)，⽀持Windows和Python2.7.6。
其库索引列出了所⽀持的170+Python27库。
WinPython
当前最新版本:2.7.6.4和3.3.5.0 (04/2014)，⽀持Windows和Python2.7.6、3.3.5。
其库索引列出了所⽀持的60+Python27库。
其库索引列出了所⽀持的60+Python33库。
sql server数据库实例EnthoughtCanopy（Enthought Python Distribution）
当前最新版本:1.4.1 (06/11/2014)，⽀持Linux, Windows,Mac平台和Python2.7.6。
其库索引列出了所⽀持的150+测试过的Python库。
Anaconda
当前最新版本:2.0.1 (06/12/2014)，⽀持Linux, Windows, Mac平台和Python2.6、2.7、3.3、3.4。
其库索引列出了所⽀持的195+流⾏Python库。
相关学习⽹址：
python基础教程
iptyhon学习
⽤Python做科学计算 --包括numpy scipy matplot UI 3D视图 以及 图表等
numpy
matplot ⼊门
使⽤matplotlib绘制动画的⽅法
python科学计算第⼆版代码
其他：
Python科学计算环境推荐——Anaconda
Anaconda提供了Spyder，IPython和⼀个命令⾏。下⾯来看⼀下conda。
输⼊ conda list 来看⼀下所有安装时⾃带的Python扩展。粗略看了⼀下，其中包括了常⽤的
Numpy , Scipy ， matplotlib 和 networkx 等，以及 beautiful-soup ， requests ， flask ， tornado
等⽹络相关的扩展。
conda的repo中的扩展不算太新，如果想要更新的，可能要⽤PyPI或者⾃⼰下载源码。⽽conda和pip关联的很好。使⽤pip安装的东西可以使⽤conda来管理，这点要⽐Canopy好。下图是我⽤pip安装的 nltk ， jieba 和 gensim
科学计算环境的另⼀个要求就是能够多个Python版本并存，尤其是2.x和3.x的并存。这个通过 virtualenv 可以做到。Anaconda也正是通过其实现的。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论