10 najlepszych bibliotek matematycznych dla Pythona

Wiele razy, kiedy piszesz programy, musisz użyć specjalnych funkcji, których inni użyli przed tobą. Kiedy tak się dzieje, na ratunek przychodzi open source i daje bibliotekę, która obejmuje potrzebne. Python nazywa swoje moduły, aby używać modułów, które musisz je zaimportować.Moduły matematyki są szczególnie przydatne, gdy masz gotową teorię, ale musisz użyć standardowej matematyki dla konkretnego problemu. Moduł matematyki w standardowej bibliotece Python ma wiele funkcji. Przydatne jest sprawdzenie, czy możesz łatwo rozwiązać problem z tymi funkcjami. Jeśli chcesz wiedzieć, jakie funkcje istnieją, musisz przejść przez listę. Jednak najpierw zdaj sobie sprawę, że moduł implementuje wszystkie standardowe funkcje C.

Najprostszym zastosowaniem Pythona w matematyce jest kalkulator. Aby to zrobić, rozpocznij Python na terminalu i użyj funkcji drukowania.

Prosta matematyka jest dostępna nawet bez aktywacji modułu matematycznego, ale poza dodaniem, odejmowaniem, podziałem i mnożeniem, musisz zaimportować moduł matematyki. Aby kod był krótki, zaimportuj jako „M”. Teraz umieszczasz M i kropkę przed dowolnymi funkcjami, których używasz. Działa to tak samo dla wszystkich modułów w Python. Jeśli chcesz użyć liczb złożonych, użyj modułu CMath.

W przypadku funkcji poza tym poniżej niektóre biblioteki specjalizowane w niektórych potrzebach.

1. Biblioteki Numpy obsługują funkcje matematyczne dla tablic. Tworzenie tablic dowolnego typu jest możliwe, a optymalizacja w pamięci jest również obsługiwana. Tablica N-wymiarowa jest w pełni zakryta. Funkcje, które obsługują biblioteki obejmują iterację, transfom Fouriera, algebrę liniową i funkcje finansowe. Ta biblioteka implementuje również C-API, abyś mógł użyć prędkości C bez tłumaczenia całego projektu.

2. SCIPY to zbiór oprogramowania związanego z nauką, z zadaniami matematycznymi w centrum. Jeśli chcesz coś obliczyć, jest to dobre miejsce na rozpoczęcie. Kolekcja obejmuje integrację, optymalizację i rzadkie wartości własne.

3. Scikit-Imagage to świetny zasób do manipulowania i analizy obrazów. Biblioteka ma funkcje wykrywania linii, krawędzi i funkcji. Ma również funkcje odbudowy, ponieważ masz obrazy z wadami. Dostępnych jest też wiele narzędzi do analizy.

4. Scikit-learn jest przydatny do wspólnego łączenia kodu uczenia maszynowego. Zawiera moduły do ​​klasyfikacji, regresji, grupowania i nie tylko. Strona internetowa jest pełna przydatnych przykładów, dzięki czemu możesz łatwo zacząć.

5. Pandy to Twój zasób goto dla dużych zbiorów danych, które mogą wykonywać naukę danych. Pandy obsługują analizę i modelowanie danych i robi to z prostym i jasnym kodem. Wiele funkcji można tłumaczyć z R, więc możesz prototypować z pandy.

6. Statsmodels obejmuje Twoje potrzeby dotyczące modeli statystycznych. Ta biblioteka obsługuje wiele podobnych rzeczy, takich jak panda, ale może również importować pliki SATA i obsługiwać analizę szeregów czasowych. Istnieje piaskownica, w której można eksperymentować z różnymi modelami statystycznymi. Ten konkretny kod nie jest jeszcze testowany, ale może jest wystarczająco blisko, abyś mógł zakończyć pracę.

7. Matplotlib: do wykonywania wykresów zawiera animowane wykresy.
   Wcześniejsze biblioteki są świetne dla matematyki, ale celowo powstrzymują się od spisku. Zamiast tego pozwalają bibliotekom takim jak Matplotlib radzić sobie z tym
   To sprawiło, że Matplotlib jest rozległe, a także wiele oprogramowania wspierającego, które obejmuje mapowanie, wykresy i projektowanie obwodów elektronicznych.

8. Gnuplot.PY to pakiet interfejsu popularnego programu Gnuplot. Ma projekt zorientowany na obiekt, dzięki czemu możesz dodać własne rozszerzenia.

9. Patsy opisuje modele statystyczne we wszystkich swoich formach. Ma również wiele funkcji, które są powszechne w R, ale z niewielkimi różnicami, na przykład jak oznaczać wykładnik. Patsy zbuduje macierze przy użyciu formuł, bardzo podobnych do sposobu, w jaki odbywa się to w S i R.

10. Sympy: Kiedy chcesz wydrukować swoje formuły matematyczne, używasz tej biblioteki. Ma również możliwość oceny wyrażeń. Jest to bardzo przydatne do tworzenia formuł w dokumentach lateksowych. Możesz nawet uruchomić sympy na żywo w przeglądarce, aby to przetestować.

Teraz, gdy nauczyłeś się, jakie projekty użyć do matematyki. Aby rozwiązać tę sytuację równoległe wykonanie jest najczęstszym rozwiązaniem. W tym celu jest kilka bibliotek Python.

Biblioteka MPI4PY zapewnia powiązania ze standardowym interfejsem przekazywania wiadomości. Musisz pobrać standardową bibliotekę równoległą, taką jak MPICH lub OpenMPI. Oba są dostępne w standardowych repozytoriach.

Druga biblioteka to równolegle Python lub PP. Równoległy Python tworzy serwer i wielu klientów, którzy podejmują zadania z serwera. Ten projekt nie wdraża standardu, zamiast tego używasz serwera i klienta z tego samego pakietu na wszystkich twoich maszynach. Jest to prostsze pod pewnymi względami, ale wymaga więcej, gdy twój projekt staje się duży i potrzebujesz innych osób, aby pożyczyć moc przetwarzania.

Te biblioteki są dobre same w sobie, ale pamiętaj, aby wybrać właściwy dla swoich potrzeb.
Wybór nie jest nieodwracalny, ale będzie wymagał sporo pracy w późniejszym projekcie. Twój kod źródłowy będzie musiał zostać zmieniony, aby użyć nowej biblioteki, a nowe usterki wystąpią, więc wybierz mądrze.

Jeśli chcesz interaktywnie wykonać swoje obliczenia, zainstaluj i użyj iPython, ponieważ jest to ulepszona wersja wiersza poleceń Python. Ponadto, jeśli jeszcze tego nie zrobiłeś, rozważ użycie Jupytera. Zapewnia notebook, dokumenty i konsolę kodu w tym samym obszarze roboczym.

Framework działa jak IDE, ale ma bardziej skierowane do odkrywania problemów i oprogramowania, które rozwijasz niż tradycyjne IDES.

Aby uzyskać więcej informacji, zobacz te artykuły:

• Jak zainstalować Anaconda Python na Ubuntu 18.04 LTS
• Samouczek Anaconda Python
• Top 10 Python Ides dla Ubuntu
• Jak zainstalować notebooki Jupyter na Ubuntu 18.04 LTS