10 melhores bibliotecas de matemática para Python
O uso mais simples do Python para matemática é como uma calculadora. Para fazer isso, inicie o Python no terminal e use a função de impressão.
A matemática simples está disponível sem sequer ativar o módulo de matemática, mas além da adição, subtração, divisão e multiplicação, você precisa importar o módulo de matemática. Para tornar o código curto, importe como 'm'. Agora você coloca M e um ponto na frente de quaisquer funções que você usa. Isso funciona da mesma forma para todos os módulos em Python. Se você deseja usar números complexos, use o módulo CMATH.
Para funções além disso, abaixo estão algumas bibliotecas especializadas para certas necessidades.
- As bibliotecas Numpy lida com as funções matemáticas para matrizes. Criar matrizes de qualquer tipo é possível e a otimização na memória também é suportada. A matriz n-dimensional está totalmente coberta. Funções que a biblioteca identifica inclui iteração, transfom de Fourier, álgebra linear e funções financeiras. Esta biblioteca também implementa um C-API para que você possa usar a velocidade de C sem traduzir todo o seu projeto.
- Scipy é uma coleção de software relacionado à ciência, com tarefas matemáticas no centro. Se você precisar calcular alguma coisa, este é um bom lugar para começar. A coleção inclui integração, otimização e autovalores esparsos.
- Scikit-Image é um ótimo recurso para manipular e analisar imagens. A biblioteca possui recursos para detectar linhas, bordas e recursos. Ele também possui recursos de restauração, pois quando você tem imagens com defeitos neles. Existem também muitas ferramentas de análise disponíveis.
- Scikit-Learn é útil para reunir o código de aprendizado de máquina. Ele contém módulos para classificação, regressão, agrupamento e muito mais. A página da web está cheia de exemplos úteis para que você possa começar facilmente.
- Pandas é o seu recurso Goto para conjuntos de big data para fazer sua ciência de dados em. Os pandas suportam análise e modelagem de dados e o fazem com código simples e claro. Muitas funções são traduzíveis de r, para que você possa prototipar com pandas.
- StatsModels abrange suas necessidades de modelos estatísticos. Esta biblioteca lida com muitas coisas semelhantes, como panda, mas também pode importar arquivos SATA e lidar com a análise de séries temporais. Há uma caixa de areia incluída onde você pode experimentar diferentes modelos estatísticos. Esse código em particular ainda não foi testado, mas talvez esteja perto o suficiente para você terminar o trabalho.
- Matplotlib: Para plotar seus gráficos, inclui gráficos animados.
As bibliotecas anteriores são ótimas para a matemática, mas eles deliberadamente ficaram longe de planejar. Em vez disso, eles permitem que bibliotecas como matplotlib lidam com isso
Isso tornou o Matplotlib extenso e também possui muitos softwares de suporte que abrangem mapeamento, plotagem e design de circuitos eletrônicos.
- GNUPLOT.PY é um pacote de interface para o popular programa GNUplot. Possui um design orientado a objetos para que você possa adicionar suas próprias extensões.
- Patsy descreve modelos estatísticos em todas as suas formas. Ele também tem muitas funções comuns em r, mas com pequenas diferenças, como denotar a exponenciação. Patsy construirá matrizes usando fórmulas, muito parecidas com a maneira como é feita em S e R.
- Sympy: quando você deseja imprimir suas fórmulas matemáticas, você usa esta biblioteca. Ele também tem a capacidade de avaliar expressões. É muito útil para criar fórmulas em seus documentos de látex. Você pode até correr Sympy Live em seu navegador para testá -lo.
Agora que você aprendeu quais projetos usar para a matemática, em breve terá um pouco de poder de processamento. Para remediar essa situação, a execução paralela é a solução mais comum. Existem várias bibliotecas Python para esse fim.
A biblioteca MPI4PY fornece ligações à interface de passagem de mensagem padrão. Você precisa baixar uma biblioteca paralela padrão como mpich ou openmpi. Ambos estão disponíveis nos repositórios padrão.
A outra biblioteca é paralela python ou pp. O Python paralelo cria um servidor e muitos clientes que retiram trabalhos do seu servidor. Este projeto não implementa um padrão, em vez disso, você usa o servidor e o cliente deste mesmo pacote em todas as suas máquinas. Isso é mais simples de alguns aspectos, mas requer mais quando seu projeto se torna grande e você precisa de outras pessoas para lhe dar o poder de processamento.
Essas bibliotecas são boas por si só, mas certifique -se de escolher o correto para suas necessidades.
A escolha não é irreversível, mas exigirá bastante trabalho mais tarde em um projeto. Seu código -fonte precisará ser alterado para usar uma nova biblioteca e novas falhas ocorrerão, então escolha sabiamente.
Se você deseja fazer seus cálculos interativamente, instale e use o ipython, pois esta é uma versão aprimorada da versão da linha de comando do python. Além disso, se você ainda não o fez, considere usar Jupyter. Ele fornece notebook, documentos e um console de código no mesmo espaço de trabalho.
A estrutura atua como um IDE, mas tem como objetivo explorar os problemas e o software que você está desenvolvendo do que os Ides tradicionais.
Para mais informações, consulte os artigos:
- Como instalar Anaconda Python no Ubuntu 18.04 LTS
- Tutorial de Anaconda Python
- Top 10 Python Ides para Ubuntu
- Como instalar o Jupyter Notebooks no Ubuntu 18.04 LTS