Phenquestions
Penggunaan Python paling mudah untuk matematik adalah sebagai kalkulator. Untuk melakukan ini, mulakan Python di terminal dan gunakan fungsi cetak.
Matematik mudah tersedia tanpa mengaktifkan modul matematik tetapi selain penambahan, pengurangan, pembahagian dan pendaraban anda perlu mengimport modul matematik. Untuk menjadikan kodnya pendek, import sebagai 'm'. Sekarang anda meletakkan m dan titik di hadapan fungsi yang anda gunakan. Ini berfungsi sama untuk semua modul di Python. Sekiranya anda ingin menggunakan nombor kompleks, gunakan modul cmath.
Untuk fungsi di luar itu, berikut adalah beberapa perpustakaan yang dikhaskan untuk keperluan tertentu.
- Perpustakaan NumPy mengendalikan fungsi matematik untuk tatasusunan. Membuat susunan jenis apa pun adalah mungkin dan mengoptimumkan memori juga disokong. Susunan N-dimensi ditutup sepenuhnya. Fungsi yang ditangani oleh perpustakaan merangkumi iterasi, Fourier Transfom, aljabar linear dan fungsi kewangan. Perpustakaan ini juga menerapkan C-API sehingga anda dapat menggunakan kelajuan C tanpa menerjemahkan keseluruhan projek anda.
- SciPy adalah koleksi perisian yang berkaitan dengan sains, dengan tugas-tugas matematik di pusat. Sekiranya anda perlu mengira apa-apa, ini adalah tempat yang baik untuk memulakan. Koleksi ini merangkumi integrasi, pengoptimuman dan nilai eigen yang jarang.
- Scikit-image adalah sumber yang baik untuk memanipulasi dan menganalisis gambar. Perpustakaan mempunyai ciri-ciri untuk mengesan garis, tepi dan ciri. Ia juga mempunyai ciri pemulihan, kerana apabila anda mempunyai gambar dengan kecacatan pada gambar tersebut. Terdapat juga banyak alat analisis yang ada.
- Scikit-learning berguna untuk menyatukan kod pembelajaran mesin. Ia mengandungi modul untuk klasifikasi, regresi, pengelompokan dan banyak lagi. Halaman web penuh dengan contoh berguna sehingga anda dapat memulakannya dengan mudah.
- Pandas adalah sumber goto anda untuk set data besar untuk menggunakan sains data anda. Pandas menyokong analisis dan pemodelan data dan melakukannya dengan kod yang mudah dan jelas. Banyak fungsi boleh diterjemahkan dari R, jadi anda boleh membuat prototaip dengan Pandas.
- Statsmodels merangkumi keperluan anda untuk model statistik. Perpustakaan ini menangani banyak perkara serupa seperti Panda tetapi juga dapat mengimport fail Sata dan mengendalikan analisis siri masa. Terdapat kotak pasir di mana anda boleh bereksperimen dengan model statistik yang berbeza. Kod tertentu itu belum diuji tetapi mungkin sudah cukup dekat untuk anda menyelesaikan tugas.
- Matplotlib: Untuk memplot grafik anda, sertakan plot animasi.
Perpustakaan yang lebih awal bagus untuk matematik tetapi mereka sengaja menjauhkan diri daripada merancang. Sebaliknya mereka membiarkan perpustakaan seperti matplotlib menangani semua ini
Ini telah menjadikan matplotlib luas dan juga mempunyai banyak perisian sokongan yang merangkumi pemetaan, plot dan reka bentuk litar elektronik.
- Gnuplot.py adalah pakej antara muka untuk program gnuplot yang popular. Ia mempunyai reka bentuk berorientasikan objek sehingga anda dapat menambahkan peluasan anda sendiri.
- Patsy menerangkan model statistik dalam semua bentuknya. Ini juga memiliki banyak fungsi yang umum dalam R tetapi dengan perbezaan kecil, seperti bagaimana menunjukkan eksponen. Patsy akan membina matriks menggunakan formula, sangat serupa dengan cara ia dilakukan di S dan R.
- Sympy: Semasa anda ingin mencetak formula matematik anda, anda menggunakan perpustakaan ini. Ia juga mempunyai kemampuan untuk menilai ungkapan. Ia sangat berguna untuk membuat formula dalam dokumen LaTeX anda. Anda juga boleh menjalankan Sympy secara langsung di penyemak imbas anda untuk mengujinya.
Setelah anda mengetahui projek apa yang akan digunakan untuk matematik, anda akan kekurangan daya proses. Untuk mengatasi situasi tersebut, pelaksanaan selari adalah penyelesaian yang paling biasa. Terdapat beberapa perpustakaan Python untuk tujuan ini.
Perpustakaan mpi4py menyediakan pengikatan pada Muka Melintas Mesej standard. Anda perlu memuat turun pustaka selari standard seperti mpich atau openmpi. Kedua-duanya boleh didapati di repositori standard.
Perpustakaan lain adalah python selari atau pp. Parallel Python mencipta pelayan dan banyak pelanggan yang mengambil pekerjaan dari pelayan anda. Projek ini tidak melaksanakan standard, sebaliknya anda menggunakan pelayan dan klien dari pakej yang sama di semua mesin anda. Ini lebih mudah dalam beberapa cara tetapi memerlukan lebih banyak apabila projek anda menjadi besar dan anda memerlukan orang lain untuk memberi anda kuasa memproses.
Perpustakaan ini semuanya bagus dengan sendirinya tetapi pastikan untuk memilih yang betul untuk keperluan anda.
Pilihannya tidak dapat dipulihkan tetapi memerlukan banyak kerja kemudian dalam sesuatu projek. Kod sumber anda perlu diubah untuk menggunakan perpustakaan baru dan kesalahan baru akan berlaku jadi pilihlah dengan bijak.
Sekiranya anda ingin melakukan pengiraan secara interaktif, pasang dan gunakan Ipython kerana ini adalah versi baris perintah Python yang dipertingkatkan. Sekiranya anda belum melakukannya, pertimbangkan untuk menggunakan Jupyter. Ini memberi anda buku nota, dokumen dan konsol kod di ruang kerja yang sama.
Kerangka kerja berfungsi sebagai IDE tetapi lebih ditujukan untuk meneroka masalah dan perisian yang anda kembangkan daripada IDE tradisional.
Untuk maklumat lebih lanjut, lihat artikel ini:
- Cara Memasang Anaconda Python di Ubuntu 18.04 LTS
- Tutorial Anaconda Python
- 10 Python IDE teratas untuk Ubuntu
- Cara Memasang Notebook Jupyter di Ubuntu 18.04 LTS
