Phenquestions
L'utilisation la plus simple de Python pour les mathématiques est en tant que calculatrice. Pour cela, lancez Python sur le terminal et utilisez la fonction print.
Le calcul simple est disponible sans même activer le module mathématique mais au-delà de l'addition, de la soustraction, de la division et de la multiplication, vous devez importer le module mathématique. Pour raccourcir le code, importez en tant que 'm'. Maintenant, vous mettez m et un point devant toutes les fonctions que vous utilisez. Cela fonctionne de la même manière pour tous les modules en Python. Si vous souhaitez utiliser des nombres complexes, utilisez le module cmath.
Pour les fonctions au-delà, voici quelques bibliothèques spécialisées pour certains besoins.
- Les bibliothèques NumPy gère les fonctions mathématiques pour les tableaux. La création de tableaux de tout type est possible et l'optimisation en mémoire est également prise en charge. Le tableau à N dimensions est entièrement couvert. Les fonctions gérées par la bibliothèque incluent l'itération, la transformée de Fourier, l'algèbre linéaire et les fonctions financières. Cette bibliothèque implémente également une API C afin que vous puissiez utiliser la vitesse de C sans traduire l'intégralité de votre projet.
- SciPy est une collection de logiciels liés à la science, avec des tâches mathématiques au centre. Si vous avez besoin de calculer quoi que ce soit, c'est un bon point de départ. La collection comprend l'intégration, l'optimisation et les valeurs propres éparses.
- Scikit-image est une excellente ressource pour manipuler et analyser des images. La bibliothèque a des fonctionnalités pour détecter les lignes, les arêtes et les caractéristiques. Il dispose également de fonctionnalités de restauration, lorsque vous avez des images avec des défauts. De nombreux outils d'analyse sont également disponibles.
- Scikit-learn est utile pour rassembler du code d'apprentissage automatique. Il contient des modules pour la classification, la régression, le clustering et plus. La page Web regorge d'exemples utiles pour que vous puissiez facilement commencer.
- Pandas est votre ressource de référence pour les grands ensembles de données sur lesquels faire votre science des données. Pandas prend en charge l'analyse et la modélisation des données et le fait avec un code simple et clair. De nombreuses fonctions sont traduisibles à partir de R, vous pouvez donc prototyper avec Pandas.
- Statsmodels couvre vos besoins en modèles statistiques. Cette bibliothèque gère de nombreuses choses similaires comme Panda mais peut également importer des fichiers Sata et gérer l'analyse des séries chronologiques. Il y a un bac à sable inclus où vous pouvez expérimenter différents modèles statistiques. Ce code particulier n'est pas encore testé, mais il est peut-être assez proche pour que vous finissiez le travail.
- Matplotlib : pour tracer vos graphiques, inclut des tracés animés.
Les bibliothèques antérieures sont idéales pour les mathématiques, mais elles sont délibérément restées à l'écart du tracé. Au lieu de cela, ils laissent des bibliothèques comme matplotlib gérer ces
Cela a rendu matplotlib étendu et il dispose également de nombreux logiciels de support qui couvrent la cartographie, le traçage et la conception de circuits électroniques.
- Gnuplot.py est un package d'interface pour le programme populaire gnuplot. Il a une conception orientée objet afin que vous puissiez ajouter vos propres extensions.
- Patsy décrit les modèles statistiques sous toutes ses formes. Il a également de nombreuses fonctions communes à R mais avec de petites différences, comme la façon de désigner l'exponentiation. Patsy construira des matrices en utilisant des formules, très similaires à la façon dont cela se fait dans S et R.
- Sympy : Lorsque vous souhaitez imprimer vos formules mathématiques, vous utilisez cette bibliothèque. Il a également la capacité d'évaluer les expressions. Il est très utile pour créer des formules dans vos documents LaTeX. Vous pouvez même exécuter Sympy en direct dans votre navigateur pour le tester.
Maintenant que vous avez appris quels projets utiliser pour les mathématiques, vous manquerez bientôt de puissance de traitement. Pour remédier à cette situation, l'exécution parallèle est la solution la plus courante. Il existe plusieurs bibliothèques Python à cet effet.
La bibliothèque mpi4py fournit des liaisons à l'interface de passage de messages standard. Vous devez télécharger une bibliothèque parallèle standard comme mpich ou openmpi. Les deux sont disponibles dans les référentiels standard.
L'autre bibliothèque est python parallèle ou pp. Parallel Python crée un serveur et de nombreux clients qui prennent les travaux de votre serveur. Ce projet n'implémente pas de standard, à la place vous utilisez le serveur et le client de ce même package sur toutes vos machines. C'est plus simple à certains égards, mais cela nécessite plus lorsque votre projet devient grand et que vous avez besoin d'autres personnes pour vous prêter de la puissance de traitement.
Ces bibliothèques sont toutes bonnes en soi, mais assurez-vous de choisir la bonne pour vos besoins.
Le choix n'est pas irréversible mais demandera pas mal de travail plus tard dans un projet. Votre code source devra être modifié pour utiliser une nouvelle bibliothèque et de nouveaux défauts se produiront alors choisissez judicieusement.
Si vous souhaitez effectuer vos calculs de manière interactive, installez et utilisez Ipython car il s'agit d'une version améliorée de la version en ligne de commande de Python. De plus, si vous ne l'avez pas déjà fait, envisagez d'utiliser Jupyter. Il vous fournit un cahier, des documents et une console de code sur le même espace de travail.
Le framework agit comme un IDE mais vise davantage à explorer les problèmes et le logiciel que vous développez que les IDE traditionnels.
Pour plus d'informations, consultez ces articles :
- Comment installer Anaconda Python sur Ubuntu 18.04 LTS
- Tutoriel Anaconda Python
- Les 10 meilleurs IDE Python pour Ubuntu
- Comment installer Jupyter Notebooks sur Ubuntu 18.04 LTS
