¿Cuáles son los kits de herramientas más utilizados para la informática científica Python?
1. NumPy
NumPy es un conjunto de herramientas informáticas científicas casi inevitable. Quizás el más utilizado sea su objeto de matriz N-dimensional. Otros incluyen algunas bibliotecas de funciones maduras para integrar C. Código /C y Fortran, álgebra lineal, transformada de Fourier, funciones de generación de números aleatorios, etc. NumPy proporciona dos objetos básicos: ndarray (objeto de matriz N-dimensional) y ufunc (objeto de función universal). ndarray es una matriz multidimensional que almacena un único tipo de datos y ufunc es una función que puede procesar matrices.
2. SciPy: herramientas informáticas científicas para Python
SciPy es una biblioteca de algoritmos de Python y un conjunto de herramientas matemáticas de código abierto que incluye módulos como optimización, álgebra lineal, integración e interpolación. , funciones especiales, transformadas rápidas de Fourier, procesamiento de señales y procesamiento de imágenes, resolución de ecuaciones diferenciales ordinarias y otros cálculos comúnmente utilizados en ciencia e ingeniería. Sus funciones son similares a las del software MATLAB, Scilab y GNU Octave. Numpy y Scipy se utilizan a menudo juntos y la mayoría de las bibliotecas de aprendizaje automático en Python se basan en estos dos módulos. ?-Citado de la ?Biblioteca de aprendizaje automático de Python?
3. Matplotlib
matplotlib es la biblioteca de dibujo más famosa en Python. Proporciona un conjunto de API de comandos similar a matlab, que es. muy adecuado para cartografía de forma interactiva. Y también puede usarse fácilmente como control de dibujo e integrarse en aplicaciones GUI. Matplotlib se puede usar con el shell ipython para brindar una experiencia de dibujo que no es menor que la de Matlab. En resumen, todos los que lo han usado dicen que es bueno.
En cuanto a los kits de herramientas comúnmente utilizados para la computación científica Python, el editor de Global Ivy los compartirá con usted aquí. El aprendizaje es interminable y, por lo tanto, aprender una habilidad lo beneficiará de por vida. Como si estás dispuesto a estudiar mucho, nunca es demasiado tarde para empezar. Si desea continuar aprendiendo sobre los métodos y materiales de aprendizaje de programación de Python, puede hacer clic en otros artículos de este sitio para aprender.