原创 Python科学计算教程 理论结合实践

科学计算因为Python出色的特性而选择了它。本文将介绍Python科学计算相关的基础知识，并给大家推荐一本相关的书籍，让大家在丰富的实践案例中，得出学习经验。

基础理论篇：

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, Enthought librarys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。和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有很多的工作是可以用Python代劳的。

1.Numpy--快速处理数据

标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。

此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。
NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray(下文统一称之为数组)是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

ndarray对象

创建array对象

首先需要创建数组才能对其进行其它操作。

我们可以通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列，将创建多维数组(下例中的变量c):

'''python'''

@author: koushihao

import numpy as np

a = np.array([1, 2, 3, 4])

b = np.array((5, 6, 7, 8))

c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])

结果：

b

array([5, 6, 7, 8])

c

array([[1, 2, 3, 4],

[4, 5, 6, 7],

[7, 8, 9, 10]])

c.dtype

dtype('int32')

（2）ufunc运算

（3）矩阵运算

（4）文件存取

2、SciPy--数值计算库

3、SymPy-符号运算好帮手

4、matplotlib-绘制精美的图表

5、Traits-为Python添加类型定义

6、TraitsUI-轻松制作用户界面

实战项目篇：

《Python科学计算》介绍了如何用Python开发科学计算的应用程序，除了介绍数值计算之外，还着重介绍如何制作交互式的2D、3D图像，如何设计精巧的程序界面，如何与C语言编写的高速计算程序结合，如何编写声音、图像处理算法等内容。书中涉及的Python扩展库包括NumPy、SciPy、SymPy、matplotlib、Traits、TraitsUI、Chaco、TVTK、Mayavi、VPython、OpenCV等，涉及的应用领域包括数值运算、符号运算、二维图表、三维数据可视化、三维动画演示、图像处理以及界面设计等。

大家可以根据书中大量实例进行逐步深入学习，并且每个实例程序都有详尽的解释，因此大家一定要照着书本自己动手练一遍。此外，本书附有大量的图表和插图，力求减少长篇的理论介绍和公式推导，大家可以通过实例和数据学习，从而掌握理论知识。