Phenquestions
Het eenvoudigste gebruik van Python voor wiskunde is als rekenmachine. Start hiervoor Python op de terminal en gebruik de printfunctie.
De eenvoudige wiskunde is beschikbaar zonder zelfs de wiskundemodule te activeren, maar buiten optellen, aftrekken, delen en vermenigvuldigen moet je de wiskundemodule importeren. Om de code kort te maken, importeer als 'm'. Nu zet je m en een punt voor alle functies die je gebruikt. Dit werkt hetzelfde voor alle modules in Python. Als je complexe getallen wilt gebruiken, gebruik dan de cmath-module.
Voor andere functies vindt u hieronder enkele bibliotheken die gespecialiseerd zijn voor bepaalde behoeften.
- De NumPy-bibliotheken verwerken de wiskundige functies voor arrays. Het maken van arrays van elk type is mogelijk en optimalisatie in het geheugen wordt ook ondersteund. De N-dimensionale array is volledig bedekt. Functies die de bibliotheek afhandelt, omvatten iteratie, Fourier-transformatie, lineaire algebra en financiële functies. Deze bibliotheek implementeert ook een C-API, zodat u de snelheid van C kunt gebruiken zonder uw hele project te vertalen.
- SciPy is een verzameling wetenschapsgerelateerde software, met wiskundige taken in het midden. Als je iets moet berekenen, is dit een goede plek om te beginnen. De collectie omvat integratie, optimalisatie en schaarse eigenwaarden.
- Scikit-image is een geweldige bron voor het manipuleren en analyseren van afbeeldingen. De bibliotheek heeft functies voor het detecteren van lijnen, randen en functies. Het heeft ook herstelfuncties, voor als je afbeeldingen hebt met defecten erop. Er zijn ook veel analysetools beschikbaar.
- Scikit-learn is handig om machine learning-code bij elkaar te krijgen. Het bevat modules voor classificatie, regressie, clustering en meer. De webpagina staat vol met handige voorbeelden, zodat u gemakkelijk aan de slag kunt.
- Pandas is uw bron voor grote datasets om uw datawetenschap op te doen. Pandas ondersteunt data-analyse en modellering en doet dit met eenvoudige en duidelijke code. Veel functies zijn vertaalbaar vanuit R, dus je kunt prototypen met Panda's.
- Statsmodels dekt uw behoeften aan statistische modellen. Deze bibliotheek verwerkt veel vergelijkbare dingen zoals Panda, maar kan ook Sata-bestanden importeren en tijdreeksanalyses verwerken. Er is een sandbox meegeleverd waar je kunt experimenteren met verschillende statistische modellen. Die specifieke code is nog niet getest, maar misschien is het dichtbij genoeg om de klus te klaren.
- Matplotlib: voor het plotten van uw grafieken, inclusief geanimeerde plots.
De eerdere bibliotheken zijn geweldig voor de wiskunde, maar ze zijn bewust weggebleven van plotten. In plaats daarvan laten ze bibliotheken zoals matplotlib deze afhandelen
Dit heeft matplotlib uitgebreid en het heeft ook veel ondersteunende software voor mapping, plotten en elektronisch circuitontwerp.
- Gnuplot.py is een interfacepakket voor het populaire gnuplot-programma. Het heeft een objectgeoriënteerd ontwerp, zodat u uw eigen extensies kunt toevoegen.
- Patsy beschrijft statistische modellen in al zijn vormen. Het heeft ook veel functies die veel voorkomen in R, maar met kleine verschillen, zoals hoe exponentiatie aan te duiden. Patsy zal matrices bouwen met formules, zeer vergelijkbaar met de manier waarop het wordt gedaan in S en R.
- Sympy: Als u uw wiskundige formules wilt afdrukken, gebruikt u deze bibliotheek. Het heeft ook de mogelijkheid om uitdrukkingen te evalueren. Het is erg handig voor het maken van formules in uw LaTeX-documenten. U kunt Sympy zelfs live in uw browser uitvoeren om het uit te testen.
Nu je hebt geleerd welke projecten je voor wiskunde moet gebruiken, heb je binnenkort een tekort aan verwerkingskracht. Om die situatie te verhelpen is parallelle uitvoering de meest gebruikelijke oplossing. Er zijn verschillende Python-bibliotheken voor dit doel.
De mpi4py-bibliotheek biedt bindingen met de standaard Message Passing Interface. U moet een standaard parallelle bibliotheek downloaden, zoals mpich of openmpi. Beide zijn beschikbaar in de standaard repositories.
De andere bibliotheek is parallelle python of pp. Parallel Python creëert een server en veel clients die taken van uw server overnemen. Dit project implementeert geen standaard, in plaats daarvan gebruikt u de server en client van hetzelfde pakket op al uw machines. Dit is in sommige opzichten eenvoudiger, maar het vereist meer wanneer uw project groot wordt en u andere mensen nodig heeft om u verwerkingskracht te verlenen.
Deze bibliotheken zijn allemaal goed op zichzelf, maar zorg ervoor dat u de juiste kiest voor uw behoeften.
De keuze is niet onomkeerbaar maar zal later in een project behoorlijk wat werk vergen. Je broncode moet worden gewijzigd om een nieuwe bibliotheek te gebruiken en er zullen nieuwe fouten optreden, dus kies verstandig.
Als u uw berekeningen interactief wilt doen, installeer en gebruik dan Ipython, aangezien dit een verbeterde versie is van de opdrachtregelversie van Python. Overweeg ook om Jupyter te gebruiken als u dat nog niet hebt gedaan. Het biedt u een notebook, documenten en een codeconsole op dezelfde werkruimte.
Het framework fungeert als een IDE, maar is meer gericht op het verkennen van de problemen en de software die u ontwikkelt dan traditionele IDE's.
Zie deze artikelen voor meer informatie:
- Hoe Anaconda Python op Ubuntu 18 te installeren.04 LTS
- Anaconda Python-zelfstudie
- Top 10 Python IDE's voor Ubuntu
- Jupyter-notebooks installeren op Ubuntu 18.04 LTS
