Python数据处理与计算——概述

Python是一种面向对象的,动态的程序设计语言,具有非常简洁而清晰的语法,适合于完成各种高层任务。它既可以用来快速开发程序脚本,也可以用来开发大规模的软件。

随着NumPy、SciPy、Matplotlib、Enthoughtlibrarys等众多程序库的开发,Python越来越适合于做科学计算、绘制高质量的2D和3D图像。与科学计算领域最流行的商业软件MATLAB相比,Python是一门通用的程序设计语言,比MATLAB所采用的脚本语言的应用范围更广泛,有更多的程序库的支持。虽然MATLAB中的许多高级功能和toolbox目前还是无法替代的,不过在日常的科研开发之中仍然很多的工作是可以用Python代劳的。

常用的模块概览与导入



1.数值计算库

NumPy为Python提供了快速的多维数据处理的能力,而SciPy则在NumPy基础上添加了众多的科学计算所需的各种工具包,有利这两个库,Python就具有几乎与MATLAB一样的处理数据和计算的能力了。

NumPy和SciPy官方网址分别为http://www.numpy.org/https://www.scipy.org/

NumPy为Python带来了真正的多维数据处理功能,并且提供了丰富的函数库处理这些数组。它将常用的数学函数进行数组化,使得这些数学函数能够直接对数组进行操作,将本来需要在Python级别进行的循环,放到C语言的运算中,明显地提高了程序的运算速度。

SciPy的核心计算部分都是一些久经考验的Fortran数值计算库,例如:

  • 线性代数使用lapack库;
  • 快速傅里叶变换使用fftpack库;
  • 常微分方程求解使用odepack库;
  • 非线性方程组求解及最小值求解等使用minpack库

2.符号计算库

SymPy是一套进行符号数学运算的Python函数库,它足够好用,可以帮助我们进行公式推导,进行符号求解。

SymPy官方网址:http://www.sympy.org/en/index.html

3.界面设计

制作界面一直都是一件十分复杂的工作,使用Traits库,将使得我们不必再界面设计上耗费大量精力,从而能把注意力集中到如何处理数据上去。

Traits官方网站:http://code.enthought.com/pages/traits.html

Traits库分为Traits和TraitsUI两大部分,Traits为Python添加了类型定义的功能,使用它定义的Traits属性具有初始化、校验、代理、事件等诸多功能。

TraitsUI库基于Traits库,使用MVC结构快速地定义用户界面,在最简单的情况下,编码者都不需要写一句关于界面的代码,就可以通过Traits属性定义获得一个可以工作的用户界面。使用TraitsUI库编写的程序自动支持wxPython和pyQt两个经典的界面库。

4.绘图与可视化

Chaco和Matplotlib是很优秀的2D绘图库,Chaco库和Traits库紧密相连,方便制作动态交互式的图表功能。而Matplotlib库则能够快速地绘制精美的图表,以各种格式输出,并且带有简单的3D绘图的功能。

Chaco官方网站:http://code.enthought.com/projects/chaco/

Matplotlib官方网站:https://matplotlib.org/

TVTK库在标准的VTK库之上用Traits库进行封装,如果要在Python下使用VTK,用TVTK是再好不过的选择。Mayavi2则在TVTK的基础上再添加了一套面向应用的方便工具,它既可以单独作为3D可视化程序使用,也可以快速地嵌入到用户的程序中去。

Mayavi官方网址:http://code.enthought.com/pages/mayavi-project.html

视觉化工具函式库(Visualization Toolkit,VTK)是一个开放源码,跨平台、支援平行处理(VTK曾用与处理大小近乎1个Petabyte的资料,其平台为美国Los Alamos国家实验室所有的具有1024个处理器之大型系统)的图形应用函式库。2005年曾被美国陆军研究实验室用于即时模拟俄罗斯制反导弹战车ZSU23-4受到平面波攻击的情形,其计算节点高达2.5兆之多。

此外,使用Visual库能够快速、方便地制作3D动画演示,使数据结果更有说服力。

Visual官方网站:http://vpython.org/

5.图像处理和计算机视觉

openCV由英特尔公司发起并参与开发,以BSD许可证授权发行,可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉及模式识别程序。OpenCV提供的Python API方便我们快速实现算法,查看结果并且和其他的库进行数据交换。

摘自《数据馆员的Python简明手册》

原文地址:https://www.cnblogs.com/dudududu/p/9128512.html

时间: 2024-08-11 09:52:20

Python数据处理与计算——概述的相关文章

python数据处理技巧二

python数据处理技巧二(掌控时间) 首先简单说下关于时间的介绍其中重点是时间戳的处理,时间戳是指格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总秒数.这里这个知识只做了解,接下来会用python三个关于时间的模块来定位时间,计算时间等. 首先让我们来验证下时间戳及怎么换算时间戳 1.要使用time方法首先要导入方法包import time 2.获取当前时间戳的方法是print time.time()就可以得到当前执行这个方法

windows下如何快速优雅的使用python的科学计算库?

Python是一种强大的编程语言,其提供了很多用于科学计算的模块,常见的包括numpy.scipy.pandas和matplotlib.要利用Python进行科学计算,就需要一一安装所需的模块,而这些模块可能又依赖于其它的软件包或库,因而安装和使用起来相对麻烦.幸好有人专门在做这一类事情,将科学计算所需要的模块都编译好,然后打包以发行版的形式供用户使用,Anaconda就是其中一个常用的科学计算发行版. 我们从网站(链接1)下载的默认的Anaconda版本已经内置了很多库(链接2),包括nump

使用python做科学计算

这里总结一个guide,主要针对刚开始做数据挖掘和数据分析的同学 说道统计分析工具你一定想到像excel,spss,sas,matlab以及R语言.R语言是这里面比较火的,它的强项是强大的绘图功能以及强大丰富的统计包,通过这个平台你可以了解统计前言的一些实现.它的唯一的问题就是性能问题.所以有时候你需要借用python. 使用R语言你可能需要Rstudio这个工具. python在在任何方面都有相当丰富的模块,科学计算领域也不例外,你可以查看python wiki也可以寻找相关的团体. 你可能会

使用Python做科学计算初探

今天在搞定Django框架的blog搭建后,尝试一下python的科学计算能力. python的科学计算有三剑客:numpy,scipy,matplotlib. numpy负责数值计算,矩阵操作等: scipy负责常见的数学算法,插值.拟合等: matplotlib负责画图. 首先,百度上头三个,依次安装. 可以考虑使用pyhton34/script/easy-install 工具: easy-insatll -m matplotlib; 尝试一下代码,拟合实例: 1 # -*- coding:

使用Python做科学计算初探(转)

今天在搞定Django框架的blog搭建后,尝试一下python的科学计算能力. python的科学计算有三剑客:numpy,scipy,matplotlib. numpy负责数值计算,矩阵操作等: scipy负责常见的数学算法,插值.拟合等: matplotlib负责画图. 首先,百度上头三个,依次安装. 可以考虑使用pyhton34/script/easy-install 工具: easy-insatll -m matplotlib; 尝试一下代码,拟合实例: 1 # -*- coding:

《Python数据处理》(高清中文版PDF+高清英文版PDF+源代码)

下载:https://pan.baidu.com/s/19QPmRWF9uEEJLEmBQoYMiw 最新的<Python数据处理>.高清中文版和高清英文版对比学习, 带目录书签,可复制粘贴:讲解详细并配有源代码. 一块儿学习探讨,支持正版书籍. 其中高清中文版 原文地址:http://blog.51cto.com/3215120/2300897

分享《Python数据处理》+PDF+源码+Jacqueline Kazil+张亮 吕家明

下载:https://pan.baidu.com/s/178uLnSsEy5wf6m0V1magRg 更多资料分享:http://blog.51cto.com/14087171 <Python数据处理>(高清中文版PDF+高清英文版PDF+源代码) 高清中文版, 402页,带目录书签,文字可复制粘贴:高清英文版, 501页,带目录书签,文字可复制粘贴:中文和英文两版对比学习:讲解详细并配有源代码. 其中,高清中文版如图: 原文地址:http://blog.51cto.com/14087171/

Python下科学计算包numpy和SciPy的安装

转载自:http://blog.sina.com.cn/s/blog_62dfdc740101aoo6.html Python下大多数工具包的安装都很简单,只需要执行 “python setup.py install”命令即可.然而,由于SciPy和numpy这两个科学计算包的依赖关系较多,安装过程较为复杂.网上教程较为混乱,而且照着做基本都不能用.在仔细研读各个包里的README和INSTALL之后,终于安装成功.现记录如下. 系统环境: OS:RedHat5 Python版本:Python2

python数据处理:NumPy基础

本文资料来自:Python for Data Analysis, Chapter 4 1. NumPy简介 NumPy,Numerical Python简称,是科学计算和数据分析所用的基础包.对于数据分析师,主要关注以下几点: a: Fast vectorized arrya operations for data munging and cleaning(数据分析和清洗), subsetting and filtering(和过滤), transformation and any other