Top 10 beste Mathe -Bibliotheken für Python
Die einfachste Verwendung von Python für Mathematik ist als Taschenrechner. Starten Sie dazu Python am Terminal und verwenden Sie die Druckfunktion.
Die einfache Mathematik ist verfügbar, ohne das Mathematikmodul zu aktivieren, aber über Addition, Subtraktion, Teilung und Multiplikation hinaus müssen Sie das Mathematikmodul importieren. Um den Code kurz zu machen, importieren Sie als "M". Jetzt stellen Sie M und einen Punkt vor alle Funktionen, die Sie verwenden. Dies funktioniert für alle Module in Python gleich. Wenn Sie komplexe Zahlen verwenden möchten, verwenden Sie das CMATH -Modul.
Für Funktionen darüber hinaus sind nachstehend einige Bibliotheken aufgeführt, die auf bestimmte Bedürfnisse spezialisiert sind.
- Die Numpy -Bibliotheken übernimmt die mathematischen Funktionen für Arrays. Das Erstellen von Arrays jeglicher Art ist möglich, und es wird auch die Optimierung des Speichers unterstützt. Das n-dimensionale Array ist vollständig abgedeckt. Funktionen, die die Bibliothek verarbeitet. Diese Bibliothek implementiert auch einen C-API, sodass Sie die Geschwindigkeit von C verwenden können, ohne Ihr gesamtes Projekt zu übersetzen.
- Scipy ist eine Sammlung wissenschaftlicher Software mit mathematischen Aufgaben im Zentrum. Wenn Sie etwas berechnen müssen, ist dies ein guter Ausgangspunkt. Die Sammlung umfasst Integration, Optimierung und spärliche Eigenwerte.
- Scikit-Image ist eine großartige Ressource zum Manipulieren und Analysieren von Bildern. Die Bibliothek verfügt über Funktionen zum Erkennen von Linien, Kanten und Funktionen. Es verfügt auch über Restaurierungsfunktionen, wenn Sie Bilder mit Mängeln haben. Es stehen auch viele Analyse -Tools zur Verfügung.
- Scikit-Learn ist nützlich, um maschinelles Lernen zusammenzubringen. Es enthält Module für Klassifizierung, Regression, Clusterbildung und mehr. Die Webseite ist voller nützlicher Beispiele, sodass Sie problemlos loslegen können.
- Pandas ist Ihre GOTO -Ressource für Big -Data -Sets, um Ihre Datenwissenschaft aufzunehmen. Pandas unterstützt die Datenanalyse und -modellierung und erledigt sie mit einfachem und klarem Code. Viele Funktionen sind von R von R übersetzbar, sodass Sie mit Pandas prototypieren können.
- StatsModels deckt Ihre Bedürfnisse nach statistischen Modellen ab. Diese Bibliothek behandelt viele ähnliche Dinge wie Panda, kann aber auch SATA -Dateien importieren und Zeitreihenanalysen behandeln. Es ist eine Sandkiste enthalten, in der Sie mit verschiedenen statistischen Modellen experimentieren können. Dieser bestimmte Code wird noch nicht getestet, aber vielleicht ist er nahe genug, damit Sie den Job beenden können.
- Matplotlib: Enthält zum Planen Ihrer Grafiken animierte Parzellen.
Die früheren Bibliotheken eignen sich hervorragend für die Mathematik, aber sie haben sich absichtlich von der Verschwörung ferngehalten. Stattdessen lassen sie Bibliotheken wie Matplotlib diese verarbeiten
Dies hat Matplotlib umfangreich gemacht und verfügt auch über viele unterstützende Software, die die Mapping-, Plot- und elektronische Schaltungsdesign abdeckt.
- Gnuplot.PY ist ein Schnittstellenpaket zum beliebten Gnuplot -Programm. Es verfügt über ein objektorientiertes Design, sodass Sie Ihre eigenen Erweiterungen hinzufügen können.
- Patsy beschreibt statistische Modelle in all seinen Formen. Es hat auch viele Funktionen, die in R häufig sind, aber mit kleinen Unterschieden, wie man die Exponentiation bezeichnet. Patsy baut Matrizen mithilfe von Formeln auf, sehr ähnlich wie in s und r.
- Sympy: Wenn Sie Ihre mathematischen Formeln drucken möchten, verwenden Sie diese Bibliothek. Es hat auch die Fähigkeit, Ausdrücke zu bewerten. Es ist sehr nützlich, um Formeln in Ihren Latexdokumenten zu erstellen. Sie können sogar Sympy Live in Ihrem Browser ausführen, um es zu testen.
Nachdem Sie gelernt haben, welche Projekte für die Mathematik verwendet werden müssen, werden Sie bald die Verarbeitungsleistung nicht mehr verarbeiten. Diese Situation parallele Ausführung zu beheben ist die häufigste Lösung. Zu diesem Zweck gibt es mehrere Python -Bibliotheken.
Die MPI4PY -Bibliothek bietet Bindungen an die Standardmeldungs -Schnittstelle zur Verfügung. Sie müssen eine Standard -Parallelbibliothek wie Mpich oder OpenMPI herunterladen. Beide sind in den Standard -Repositories erhältlich.
Die andere Bibliothek ist parallel Python oder PP. Parallel Python erstellt einen Server und viele Clients, die Jobs von Ihrem Server annehmen. Dieses Projekt implementiert keinen Standard, stattdessen verwenden Sie den Server und den Client aus demselben Paket für alle Ihre Maschinen aus. Dies ist in gewisser Weise einfacher, aber es erfordert mehr, wenn Ihr Projekt groß wird und Sie andere Personen benötigen, um Ihre Verarbeitungsleistung zu verarbeiten.
Diese Bibliotheken sind alle alleine gut, aber stellen Sie sicher, dass Sie den richtigen für Ihre Bedürfnisse auswählen.
Die Wahl ist nicht irreversibel, erfordert jedoch eine Menge Arbeit später in einem Projekt. Ihr Quellcode muss geändert werden, um eine neue Bibliothek zu verwenden, und es werden neue Fehler auftreten. Wählen Sie also mit Bedacht aus.
Wenn Sie Ihre Berechnungen interaktiv durchführen möchten, installieren Sie und verwenden Sie Ipython, da dies eine verbesserte Version der Befehlszeilenversion von Python ist. Wenn Sie es noch nicht getan haben, sollten Sie Jupyter verwenden. Es bietet Ihnen Notizbuch, Dokumente und eine Codekonsole im selben Arbeitsbereich.
Der Framework fungiert als IDE.
Weitere Informationen finden Sie in diesen Artikeln:
- So installieren Sie Anaconda Python auf Ubuntu 18.04 LTS
- Anaconda Python Tutorial
- Top 10 Python -Ides für Ubuntu
- So installieren Sie Jupyter -Notizbücher auf Ubuntu 18.04 LTS