Phenquestions
El uso más simple de Python para matemáticas es como calculadora. Para hacer esto, inicie Python en la terminal y use la función de impresión.
La matemática simple está disponible sin siquiera activar el módulo matemático, pero más allá de la suma, resta, división y multiplicación, debe importar el módulo matemático. Para acortar el código, importe como 'm'. Ahora coloque my un punto delante de cualquier función que use. Esto funciona igual para todos los módulos en Python. Si desea utilizar números complejos, utilice el módulo cmath.
Para funciones más allá de eso, a continuación se muestran algunas bibliotecas especializadas para ciertas necesidades.
- Las bibliotecas NumPy manejan las funciones matemáticas para matrices. Es posible crear matrices de cualquier tipo y también se admite la optimización en memoria. La matriz N-dimensional está completamente cubierta. Las funciones que maneja la biblioteca incluyen iteración, Fourier Transfom, álgebra lineal y funciones financieras. Esta biblioteca también implementa una C-API para que pueda usar la velocidad de C sin traducir todo su proyecto.
- SciPy es una colección de software relacionado con la ciencia, con tareas matemáticas en el centro. Si necesita calcular algo, este es un buen lugar para comenzar. La colección incluye integración, optimización y valores propios escasos.
- Scikit-image es un gran recurso para manipular y analizar imágenes. La biblioteca tiene características para detectar líneas, bordes y características. También tiene funciones de restauración, para cuando tienes imágenes con defectos. También hay muchas herramientas de análisis disponibles.
- Scikit-learn es útil para unir el código de aprendizaje automático. Contiene módulos para clasificación, regresión, agrupación y más. La página web está llena de ejemplos útiles para que pueda comenzar fácilmente.
- Pandas es su recurso de goto para grandes conjuntos de datos para hacer su ciencia de datos. Pandas admite el análisis y el modelado de datos y lo hace con un código simple y claro. Muchas funciones son traducibles de R, por lo que puede crear prototipos con Pandas.
- Statsmodels cubre sus necesidades de modelos estadísticos. Esta biblioteca maneja muchas cosas similares como Panda, pero también puede importar archivos Sata y manejar análisis de series de tiempo. Se incluye una caja de arena donde puede experimentar con diferentes modelos estadísticos. Ese código en particular aún no se ha probado, pero tal vez esté lo suficientemente cerca como para que pueda terminar el trabajo.
- Matplotlib: para trazar sus gráficos, incluye gráficos animados.
Las bibliotecas anteriores son excelentes para las matemáticas, pero deliberadamente se han mantenido alejadas de trazar. En su lugar, permiten que bibliotecas como matplotlib manejen estos
Esto ha hecho que matplotlib sea extenso y también tiene muchos software de soporte que cubren mapeo, trazado y diseño de circuitos electrónicos.
- Gnuplot.py es un paquete de interfaz para el popular programa gnuplot. Tiene un diseño orientado a objetos para que puedas agregar tus propias extensiones.
- Patsy describe modelos estadísticos en todas sus formas. También tiene muchas funciones que son comunes en R pero con pequeñas diferencias, como cómo denotar exponenciación. Patsy construirá matrices usando fórmulas, muy similar a como se hace en S y R.
- Sympy: cuando desee imprimir sus fórmulas matemáticas, utilice esta biblioteca. También tiene la capacidad de evaluar expresiones. Es muy útil para crear fórmulas en sus documentos LaTeX. Incluso puede ejecutar Sympy en vivo en su navegador para probarlo.
Ahora que ha aprendido qué proyectos utilizar para las matemáticas, pronto le faltará potencia de procesamiento. Para remediar esa situación, la ejecución en paralelo es la solución más común. Hay varias bibliotecas de Python para este propósito.
La biblioteca mpi4py proporciona enlaces a la interfaz de paso de mensajes estándar. Necesita descargar una biblioteca paralela estándar como mpich o openmpi. Ambos están disponibles en los repositorios estándar.
La otra biblioteca es python paralelo o pp. Python paralelo crea un servidor y muchos clientes que toman trabajos de su servidor. Este proyecto no implementa un estándar, en su lugar, usa el servidor y el cliente de este mismo paquete en todas sus máquinas. Esto es más simple de alguna manera, pero requiere más cuando su proyecto se vuelve grande y necesita que otras personas le presten poder de procesamiento.
Estas bibliotecas son buenas por derecho propio, pero asegúrese de elegir la correcta para sus necesidades.
La elección no es irreversible, pero requerirá mucho trabajo más adelante en un proyecto. Será necesario cambiar su código fuente para usar una nueva biblioteca y se producirán nuevas fallas, así que elija sabiamente.
Si desea hacer sus cálculos de forma interactiva, instale y use Ipython, ya que esta es una versión mejorada de la versión de línea de comandos de Python. Además, si aún no lo ha hecho, considere usar Jupyter. Le proporciona un cuaderno, documentos y una consola de código en el mismo espacio de trabajo.
El marco actúa como un IDE, pero está más dirigido a explorar los problemas y el software que está desarrollando que los IDE tradicionales.
Para obtener más información, consulte estos artículos:
- Cómo instalar Anaconda Python en Ubuntu 18.04 LTS
- Tutorial de Anaconda Python
- Los 10 mejores IDE de Python para Ubuntu
- Cómo instalar Jupyter Notebooks en Ubuntu 18.04 LTS
