Le migliori 10 migliori biblioteche matematiche per Python
L'uso più semplice di Python per la matematica è come calcolatrice. Per fare ciò, inizia Python sul terminale e usa la funzione di stampa.
La matematica semplice è disponibile senza nemmeno attivare il modulo matematico ma oltre ad aggiunta, sottrazione, divisione e moltiplicazione è necessario importare il modulo matematico. Per rendere il codice breve, importa come 'm'. Ora metti m e un punto di fronte a qualsiasi funzioni che usi. Funziona allo stesso modo per tutti i moduli in Python. Se si desidera utilizzare numeri complessi, usa il modulo CMATH.
Per funzioni oltre a ciò, di seguito sono riportate alcune biblioteche specializzate per determinate esigenze.
- Le biblioteche numpy gestiscono le funzioni matematiche per gli array. È possibile creare matrici di qualsiasi tipo e ottimizzare la memoria. L'array n-dimensionale è completamente coperto. Funzioni che la libreria gestisce include iterazione, Transfom di Fourier, algebra lineare e funzioni finanziarie. Questa libreria implementa anche un C-API in modo da poter usare la velocità di C senza tradurre l'intero progetto.
- Scipy è una raccolta di software relativi alla scienza, con compiti matematici al centro. Se hai bisogno di calcolare qualcosa, questo è un buon punto di partenza. La raccolta include integrazione, ottimizzazione e autovalori sparsi.
- L'immagine di Scikit è una grande risorsa per manipolare e analizzare le immagini. La libreria ha funzionalità per rilevare linee, bordi e funzionalità. Ha anche funzionalità di restauro, per quando hai immagini con difetti su di essi. Ci sono anche molti strumenti di analisi disponibili.
- Scikit-Learn è utile per mettere insieme il codice di apprendimento automatico. Contiene moduli per classificazione, regressione, clustering e altro ancora. La pagina web è piena di esempi utili in modo da poter iniziare facilmente.
- Panda è la tua risorsa Goto per i big data set su cui fare la scienza dei dati su. Panda supporta l'analisi e la modellazione dei dati e lo fa con codice semplice e chiaro. Molte funzioni sono traducibili da R, quindi puoi prototipo di panda.
- Statsmodels copre le tue esigenze per i modelli statistici. Questa libreria gestisce molte cose simili come Panda ma può anche importare file SATA e gestire l'analisi delle serie temporali. C'è una sandbox inclusa in cui è possibile sperimentare diversi modelli statistici. Quel codice particolare non è ancora stato testato, ma forse è abbastanza vicino per finire il lavoro.
- Matplotlib: per tracciare i grafici, include grafici animati.
Le biblioteche precedenti sono fantastiche per la matematica ma sono state deliberatamente lontane dalla trama. Invece lasciano librerie come matplotlib li gestiscono
Ciò ha reso vasto matplotlib e ha anche molti software di supporto che coprono la mappatura, la trama e la progettazione di circuiti elettronici.
- Gnuplot.PY è un pacchetto di interfaccia per il famoso programma Gnuplot. Ha un design orientato agli oggetti in modo da poter aggiungere le tue estensioni.
- Patsy descrive i modelli statistici in tutte le sue forme. Ha anche molte funzioni che sono comuni in r ma con piccole differenze, come come indicare l'esponentezione. Patsy costruirà matrici usando formule, molto simili al modo in cui viene fatto in S e R.
- Sympy: quando vuoi stampare le tue formule matematiche usi questa libreria. Ha anche la capacità di valutare le espressioni. È molto utile per creare formule nei tuoi documenti in lattice. Puoi persino eseguire Sympy Live nel tuo browser per provarlo.
Ora che hai imparato quali progetti utilizzare per la matematica sarai presto a corto di elaborazione del potere. Per porre rimedio a quella situazione l'esecuzione parallela è la soluzione più comune. Ci sono diverse biblioteche Python a questo scopo.
La libreria MPI4PY fornisce assistenti all'interfaccia di passaggio del messaggio standard. È necessario scaricare una libreria parallela standard come MPICH o OpenMPI. Entrambi sono disponibili nei repository standard.
L'altra biblioteca è Python parallela o PP. Parallel Python crea un server e molti client che prendono lavoro dal tuo server. Questo progetto non implementa uno standard, invece si utilizza il server e il client da questo stesso pacchetto su tutte le tue macchine. Questo è più semplice in qualche modo, ma richiede di più quando il tuo progetto diventa grande e hai bisogno di altre persone per prestarti al potere di elaborare il potere.
Queste biblioteche sono tutte buone a sé stanti, ma assicurati di scegliere quello corretto per le tue esigenze.
La scelta non è irreversibile ma richiederà un bel po 'di lavoro più avanti in un progetto. Il tuo codice sorgente dovrà essere modificato per utilizzare una nuova libreria e si verificheranno nuovi guasti, quindi scegli saggiamente.
Se vuoi eseguire i tuoi calcoli in modo interattivo, installa e usa Ipython in quanto questa è una versione migliorata della versione della riga di comando di Python. Inoltre, se non l'hai già fatto, prendi in considerazione l'uso di jupyter. Ti fornisce notebook, documenti e una console di codice sulla stessa area di lavoro.
Il framework funge da IDE ma ha più mirato a esplorare i problemi e il software che stai sviluppando rispetto alle IDE tradizionali.
Per ulteriori informazioni, consultare questi articoli:
- Come installare Anaconda Python su Ubuntu 18.04 LTS
- Tutorial di Anaconda Python
- Top 10 Ide Python per Ubuntu
- Come installare i notebook Jupyter su Ubuntu 18.04 LTS