科学应用¶
语境¶
Python经常用于高性能的科学应用。由于其易写、性能好，在学术和科研项目中得到了广泛的应用。
由于其高性能特性，Python中的科学计算通常使用外部库，通常使用更快的语言（如用于矩阵操作的C或Fortran）编写。使用的主要库是 NumPy ， SciPy 和 Matplotlib .关于这些库的详细信息超出了Python指南的范围。然而，科学 Python 生态系统的全面介绍可以在 Python Scientific Lecture Notes .
工具¶
IPython¶
IPython 是Python解释器的增强版本，它为科学家提供了非常感兴趣的特性。这个 inline mode 允许在终端中显示图形和绘图（基于qt的版本）。而且， notebook 模式支持识字编程和可复制的科学生成基于Web的python笔记本。此笔记本允许您存储大量的python代码以及结果和其他注释（html、laxe、markdown）。然后可以以各种文件格式共享和导出笔记本。
类库¶
NumPy¶
NumPy 是用C（和Fortran）编写的用于高级数学函数的低级库。numpy巧妙地通过使用多维数组和对数组进行操作的函数，克服了在python上运行较慢算法的问题。然后，任何算法都可以表示为数组上的函数，从而使算法能够快速运行。
Numpy是SciPy项目的一部分，作为一个单独的库发布，因此只需要基本需求的人可以在不安装scipy其余部分的情况下使用它。
Numpy与python版本2.4到2.7.2和3.1+兼容。
Numba¶
Numba 是一个numpy感知的python编译器（just-in-time（JIT）专用编译器），它通过特殊的装饰器将带注释的python（和numpy）代码编译为llvm（低级虚拟机）。简单地说，numba使用一个用llvm编译python代码的系统来编写代码，这些代码可以在运行时本地执行。
SciPy¶
SciPy 是一个使用numpy实现更多数学函数的库。Scipy使用numpy数组作为基本数据结构，并附带用于科学编程中各种常用任务的模块，包括线性代数、积分（微积分）、常微分方程求解和信号处理。
Matplotlib¶
Matplotlib 是一个灵活的绘图库，用于创建交互式二维和三维绘图，也可以保存为手稿质量的图形。API在很多方面反映了 MATLAB 简化了matlab用户向python的过渡。许多示例以及用于重新创建它们的源代码都可以在 matplotlib gallery .
Pandas¶
Pandas 是一个基于numpy的数据操作库，它为访问、索引、合并和分组数据提供了许多有用的功能。主数据结构（dataframe）与R统计包中的数据结构非常接近，即具有名称索引、时间序列操作和数据自动对齐功能的异构数据表。
xarray¶
xarray 与大Pandas相似，但它用于包装多维科学数据。通过使用维度、坐标和属性标记数据，它使复杂的多维操作更加清晰和直观。它还将matplotlib包装起来，以便快速绘图，并且可以使用 dask .
Rpy2¶
Rpy2 是r统计包的python绑定，允许从python执行r函数并在两个环境之间来回传递数据。rpy2是 Rpy 绑定。
PsychoPy¶
PsychoPy 是认知科学家的类库，允许创建认知心理学和神经科学实验。该库处理刺激的表示、实验设计的脚本和数据收集。
资源¶
科学的python包的安装可能会很麻烦，因为其中许多包都是作为python c扩展实现的，需要编译这些扩展。本节列出了各种所谓的科学python发行版，这些发行版提供了科学python包的预编译和易于安装的集合。
用于python扩展包的非官方Windows二进制文件¶
许多从事科学计算的人都在Windows上，然而许多科学计算软件包却很难在这个平台上构建和安装。 Christoph Gohlke 但是，已经为许多有用的Python包编译了一个Windows二进制文件列表。包的列表已经从一个主要的科学python资源增长到一个更一般的列表。如果您在Windows上，您可能需要将其签出。
Anaconda¶
这个 Anaconda Python Distribution 包括所有常见的科学python包以及许多与数据分析和大数据相关的包。水蟒本身是免费的，并且有许多专有附加装置可以收费。附加组件的免费许可证可供学者和研究人员使用。
Canopy¶
Canopy 是另一个科学 Python 发行版，由 Enthought .一个有限的“冠层快车”变种是免费的，但完全分配的热情收费。免费的学术许可证。
