Python 的科学计算工具

SciPy 指的是几个相关但不同的实体

• SciPy 生态系统，一个用于 Python 科学计算的开源软件集合。

• 使用和开发此堆栈的社区。

• 几个专门针对 Python 科学计算的会议 - SciPy、EuroSciPy 和 SciPy.in。

• The SciPy 库，SciPy 堆栈的一个组件，提供了许多数值例程。

SciPy 生态系统

Python 中的科学计算建立在少量核心包的基础上

• Python，一种通用编程语言。它是解释型和动态类型的，非常适合交互式工作和快速原型设计，同时功能强大到足以用它编写大型应用程序。

• NumPy，数值计算的基本包。它定义了数值数组和矩阵类型以及对它们的的基本操作。

• The SciPy 库，一个包含数值算法和特定领域工具箱的集合，包括信号处理、优化、统计等等。

• Matplotlib，一个成熟且流行的绘图包，提供出版质量的 2-D 绘图，以及基本的 3-D 绘图。

在此基础上，SciPy 生态系统包括用于数据管理和计算、高效实验和高性能计算的通用和专门工具。下面，我们将概述一些关键包，尽管还有 许多其他相关的包。

数据和计算

• pandas，提供高性能、易于使用的数据结构。

• SymPy，用于符号数学和计算机代数。

• NetworkX，是一个用于分析复杂网络的工具集合。

• scikit-image 是一个用于图像处理的算法集合。

• scikit-learn 是一个用于机器学习的算法和工具集合。

• h5py 和 PyTables 都可以访问存储在 HDF5 格式中的数据。

生产力和高性能计算

• IPython，一个丰富的交互式界面，让你可以快速处理数据和测试想法。

• Jupyter 笔记本在您的 Web 浏览器中提供 IPython 功能以及更多功能，使您能够以易于重现的形式记录您的计算。

• Cython 扩展了 Python 语法，以便您可以方便地构建 C 扩展，无论是为了加速关键代码还是为了与 C/C++ 库集成。

• Dask、Joblib 或 IPyParallel 用于分布式处理，重点关注数值数据。

质量保证

• nose，一个用于测试 Python 代码的框架，正在逐步淘汰，取而代之的是 pytest。

• numpydoc，一个用于记录科学 Python 库的标准和库。