Phenquestions
L'uso più semplice di Python per la matematica è come calcolatrice. Per fare ciò, avvia Python sul terminale e usa la funzione di stampa.
La matematica semplice è disponibile senza nemmeno attivare il modulo di matematica ma oltre ad addizione, sottrazione, divisione e moltiplicazione è necessario importare il modulo di matematica. Per rendere il codice breve, importa come 'm'. Ora metti me un punto davanti a qualsiasi funzione che usi. Funziona allo stesso modo per tutti i moduli in Python. Se vuoi usare numeri complessi, usa il modulo cmath.
Per funzioni oltre a questo, di seguito sono riportate alcune librerie specializzate per determinate esigenze.
- Le librerie NumPy gestiscono le funzioni matematiche per gli array. È possibile creare array di qualsiasi tipo ed è supportata anche l'ottimizzazione in memoria. L'array N-dimensionale è completamente coperto. Le funzioni gestite dalla libreria includono iterazione, trasformata di Fourier, algebra lineare e funzioni finanziarie. Questa libreria implementa anche una C-API in modo da poter utilizzare la velocità del C senza tradurre l'intero progetto.
- SciPy è una raccolta di software relativo alla scienza, con compiti matematici al centro. Se hai bisogno di calcolare qualcosa, questo è un buon punto di partenza. La collezione include integrazione, ottimizzazione e autovalori sparsi.
- Scikit-image è una grande risorsa per manipolare e analizzare le immagini. La libreria ha funzionalità per rilevare linee, bordi e caratteristiche. Ha anche funzioni di ripristino, per quando hai immagini con difetti su di esse. Sono disponibili anche molti strumenti di analisi.
- Scikit-learn è utile per mettere insieme il codice di machine learning. Contiene moduli per la classificazione, la regressione, il clustering e altro. La pagina web è piena di esempi utili in modo da poter iniziare facilmente.
- Pandas è la tua risorsa di riferimento per i set di big data su cui eseguire la tua data science. Pandas supporta l'analisi e la modellazione dei dati e lo fa con un codice semplice e chiaro. Molte funzioni sono traducibili da R, quindi puoi prototipare con Pandas.
- Statsmodels soddisfa le tue esigenze di modelli statistici. Questa libreria gestisce molte cose simili come Panda, ma può anche importare file Sata e gestire l'analisi delle serie temporali. È inclusa una sandbox dove puoi sperimentare diversi modelli statistici. Quel particolare codice non è ancora stato testato, ma forse è abbastanza vicino da permetterti di completare il lavoro.
- Matplotlib: per tracciare i tuoi grafici, include grafici animati.
Le librerie precedenti sono ottime per la matematica, ma sono state deliberatamente lontane dal tracciare. Invece lasciano che le librerie come matplotlib gestiscano questi
Ciò ha reso matplotlib esteso e ha anche molti software di supporto che coprono la mappatura, la stampa e la progettazione di circuiti elettronici.
- Gnuplot.py è un pacchetto di interfaccia per il popolare 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 denotare l'elevamento a potenza. Patsy costruirà matrici usando formule, molto simili al modo in cui è 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 documenti LaTeX. 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 potenza di elaborazione. Per rimediare a questa situazione, l'esecuzione parallela è la soluzione più comune. Esistono diverse librerie Python per questo scopo.
La libreria mpi4py fornisce collegamenti all'interfaccia standard per il passaggio dei messaggi. Devi scaricare una libreria parallela standard come mpich o openmpi. Entrambi sono disponibili nei repository standard.
L'altra libreria è parallel python o pp. Parallel Python crea un server e molti client che accettano lavori dal tuo server. Questo progetto non implementa uno standard, invece usi il server e il client da questo stesso pacchetto su tutte le tue macchine. Questo è più semplice in un certo senso, ma richiede di più quando il tuo progetto diventa grande e hai bisogno di altre persone che ti prestino potenza di elaborazione.
Queste librerie sono tutte buone di per sé, ma assicurati di scegliere quella corretta per le tue esigenze.
La scelta non è irreversibile ma richiederà molto lavoro in seguito in un progetto. Il codice sorgente dovrà essere modificato per utilizzare una nuova libreria e si verificheranno nuovi errori, quindi scegli con saggezza.
Se vuoi fare i tuoi calcoli in modo interattivo, installa e usa Ipython poiché questa è una versione migliorata della versione da riga di comando di Python. Inoltre, se non lo hai già fatto, considera l'utilizzo di Jupyter. Ti fornisce notebook, documenti e una console di codice nello stesso spazio di lavoro.
Il framework funge da IDE ma è più mirato ad esplorare i problemi e il software che stai sviluppando rispetto agli IDE tradizionali.
Per maggiori informazioni consulta questi articoli:
- Come installare Anaconda Python su Ubuntu 18.04 LTS
- Tutorial Anaconda Python
- I 10 migliori IDE Python per Ubuntu
- Come installare i notebook Jupyter su Ubuntu 18.04 LTS
