使用Python更加科学计算生态系统

Python已不是程序员需要的编程语言，现在有关科学计算生的领域到需要Python，比如科学家。

为何科学家需要Python？

• 获取数据（模拟，实验控制），
• 处理和处理数据，
• 为报告或出版物可视化结果，快速理解，同时也提供高质量的数据。

Python的优势

• python不要重新发明轮子，现在很多市场免费算法库扩展很多。
• Python语法很简单，避免使用奇怪的符号或冗长的例程规范，这会使读者偏离对代码的数学或科学理解。
• 高效代码 Python数值模块具有计算效率。如果花费太多时间来编写它，那么非常快的代码将变得毫无用处，Python旨在缩短开发时间并缩短执行时间。
• Universal Python是一种用于许多不同问题的语言，学习Python避免了为每个新问题学习新软件。

Python与其语言相比如何？

编译语言：C，C ++

• 优点：非常快，对于繁重的计算，很难超越这些语言。
• 缺点：痛苦的使用：在开发过程中没有交互性，强制编译步骤，冗长的语法，手动内存管理。对于非程序员来说，这些语言很难。

Matlab脚本语言

• 优点：非常丰富的库集合，具有多种算法，适用于许多不同的域。快速执行，因为这些库通常用编译语言编写。
• 愉快的开发环境：全面的帮助，综合编辑等
• 提供商业支持。
• 缺点：基本语言非常差，可能会对高级用户产生限制。
• 不是免费的。

The Julia Language

• 优点：快速的代码，但互动和简单。
• 轻松连接到Python或C.
• 缺点：生态系统仅限于数值计算。
• 还年轻。

其他脚本语言：Scilab，Octave，R，IDL等

• 优点：开源，免费或至少比Matlab便宜。
• 某些功能可能非常先进（R中的统计数据等）
• 缺点：比Matlab更少的可用算法，并且语言不是更高级。
• 有些软件专用于一个域。例如：Gnuplot绘制曲线。这些程序非常强大，但它们仅限于一种用法，例如绘图。

Python

• 优点：非常丰富的科学计算库
• 经过深思熟虑的语言，允许编写非常易读且结构良好的代码：我们“编写我们的想法”。
• 许多科学计算以外的图书馆（网络服务器，串口访问等）
• 免费和开源软件，广泛传播，拥有充满活力的社区。
• 各种强大的工作环境，如 IPython， Spyder， Jupyter笔记本， Pycharm
• 缺点：并非所有算法都可以在更专业的软件或工具箱中找到。

科学Python生态系统

• 优点：非常丰富的科学计算库
• 经过深思熟虑的语言，允许编写非常易读且结构良好的代码：我们“编写我们的想法”。
• 许多科学计算以外的图书馆（网络服务器，串口访问等）
• 免费和开源软件，广泛传播，拥有充满活力的社区。
• 各种强大的工作环境，如 IPython， Spyder， Jupyter笔记本， Pycharm
• 缺点：并非所有算法都可以在更专业的软件或工具箱中找到。

1.1.2。科学Python生态系统

与Matlab或R不同，Python没有为科学计算提供预先捆绑的模块集。以下是可以组合以获得科学计算环境的基本构建块：

​Python，一种通用的现代计算语言

• 语言：流控制，数据类型（string，int），数据集合（列表，字典）等。
• 标准库的模块：字符串处理，文件管理，简单网络协议。
• 用Python编写的大量专用模块或应用程序：Web框架等......以及科学计算。
• 开发工具（自动测试，文档生成）