O uso mais simples de Python para matemática é como calculadora. Para fazer isso, inicie o Python no terminal e use a função de impressão.
A matemática simples está disponível mesmo sem ativar o módulo matemático, mas além da adição, subtração, divisão e multiplicação você precisa importar o módulo matemático. Para encurtar o código, importe como 'm'. Agora você coloca m e um ponto na frente de todas as funções que você usa. Isso funciona da mesma forma para todos os módulos em Python. Se você quiser usar números complexos, use o módulo cmath.
Para funções além disso, abaixo estão algumas bibliotecas especializadas para certas necessidades.
- As bibliotecas NumPy lidam com as funções matemáticas para matrizes. A criação de matrizes de qualquer tipo é possível e a otimização na memória também é suportada. A matriz N-dimensional é totalmente coberta. As funções que a biblioteca lida incluem iteração, Fourier Transfom, álgebra linear e funções financeiras. Esta biblioteca também implementa uma C-API para que você possa usar a velocidade do C sem traduzir todo o seu projeto.
- SciPy é uma coleção de software relacionado à ciência, com tarefas matemáticas no centro. Se você precisar calcular alguma coisa, este é um bom lugar para começar. A coleção inclui integração, otimização e autovalores esparsos.
- Scikit-image é um ótimo recurso para manipular e analisar imagens. A biblioteca possui recursos para detectar linhas, arestas e recursos. Também possui recursos de restauração, para quando você tiver imagens com defeitos. Existem também muitas ferramentas de análise disponíveis.
- Scikit-learn é útil para reunir código de aprendizado de máquina. Ele contém módulos para classificação, regressão, agrupamento e muito mais. A página da web está cheia de exemplos úteis para que você possa começar facilmente.
- Pandas é o seu recurso goto para conjuntos de Big Data para fazer ciência de dados em. O Pandas suporta análise e modelagem de dados e faz isso com um código simples e claro. Muitas funções podem ser traduzidas do R, então você pode prototipar com o Pandas.
- Statsmodels cobre suas necessidades de modelos estatísticos. Esta biblioteca lida com muitas coisas semelhantes, como o Panda, mas também pode importar arquivos Sata e lidar com análises de séries temporais. Inclui um sandbox onde você pode experimentar diferentes modelos estatísticos. Esse código em particular ainda não foi testado, mas talvez esteja perto o suficiente para você terminar o trabalho.
- Matplotlib: para traçar seus gráficos, inclui plotagens animadas.
As bibliotecas anteriores são ótimas para a matemática, mas elas se mantiveram deliberadamente longe da plotagem. Em vez disso, eles permitem que bibliotecas como matplotlib lidem com esses
Isso tornou o matplotlib extenso e também tem muitos softwares de suporte que cobrem mapeamento, plotagem e design de circuito eletrônico.
- Gnuplot.py é um pacote de interface para o popular programa gnuplot. Ele tem um design orientado a objetos para que você possa adicionar suas próprias extensões.
- Patsy descreve modelos estatísticos em todas as suas formas. Ele também tem muitas funções que são comuns em R, mas com pequenas diferenças, como a forma de denotar exponenciação. Patsy construirá matrizes usando fórmulas, muito semelhantes à forma como é feito em S e R.
- Sympy: Quando você quiser imprimir suas fórmulas matemáticas, use esta biblioteca. Ele também tem a capacidade de avaliar expressões. É muito útil para criar fórmulas em seus documentos LaTeX. Você pode até mesmo executar Sympy live em seu navegador para testá-lo.
Agora que você aprendeu quais projetos usar para matemática, em breve você terá pouco poder de processamento. Para remediar essa situação, a execução paralela é a solução mais comum. Existem várias bibliotecas Python para este propósito.
A biblioteca mpi4py fornece ligações para a Interface de passagem de mensagem padrão. Você precisa baixar uma biblioteca paralela padrão como mpich ou openmpi. Ambos estão disponíveis nos repositórios padrão.
A outra biblioteca é paralela python ou pp. O Python paralelo cria um servidor e muitos clientes que pegam tarefas do seu servidor. Este projeto não implementa um padrão, em vez disso, você usa o servidor e o cliente deste mesmo pacote em todas as suas máquinas. Isso é mais simples em alguns aspectos, mas requer mais quando seu projeto se torna grande e você precisa de outras pessoas para lhe emprestar poder de processamento.
Todas essas bibliotecas são boas por si mesmas, mas certifique-se de escolher a correta para suas necessidades.
A escolha não é irreversível, mas exigirá muito trabalho posteriormente em um projeto. Seu código-fonte precisará ser alterado para usar uma nova biblioteca e novas falhas ocorrerão, então escolha com sabedoria.
Se você quiser fazer seus cálculos interativamente, instale e use o Ipython, pois esta é uma versão aprimorada da versão de linha de comando do Python. Além disso, se ainda não o fez, considere o uso do Jupyter. Ele fornece notebook, documentos e um console de código no mesmo espaço de trabalho.
A estrutura atua como um IDE, mas visa mais explorar os problemas e o software que você está desenvolvendo do que os IDEs tradicionais.
Para obter mais informações, consulte estes artigos:
- Como instalar o Anaconda Python no Ubuntu 18.04 LTS
- Tutorial do Anaconda Python
- 10 principais IDEs de Python para Ubuntu
- Como instalar notebooks Jupyter no Ubuntu 18.04 LTS