Las 10 mejores bibliotecas de matemáticas para Python
El uso más simple de Python para matemáticas es como calculadora. Para hacer esto, inicie Python en la terminal y use la función de impresión.
Las matemáticas simples están disponibles sin siquiera activar el módulo de matemáticas, pero más allá de la adición, resta, división y multiplicación, necesita importar el módulo de matemáticas. Para hacer que el código sea corto, importe como 'M'. Ahora pones m y un punto frente a cualquier función que uses. Esto funciona igual para todos los módulos en Python. Si desea usar números complejos, use el módulo CMATH.
Para las funciones más allá de eso, a continuación hay algunas bibliotecas especializadas para ciertas necesidades.
- Las bibliotecas numpy manejan las funciones matemáticas para matrices. También es posible crear matrices de cualquier tipo y optimizar en la memoria. La matriz n-dimensional está completamente cubierta. Funciones que maneja la biblioteca incluye iteración, transfoom de Fourier, álgebra lineal y funciones financieras. Esta biblioteca también implementa un C-API para que pueda usar la velocidad de C sin traducir todo su proyecto.
- Scipy es una colección de software relacionado con la ciencia, con tareas matemáticas en el centro. Si necesita calcular algo, este es un buen lugar para comenzar. La colección incluye integración, optimización y valores propios escasos.
- Scikit-Image es un gran recurso para manipular y analizar imágenes. La biblioteca tiene características para detectar líneas, bordes y características. También tiene funciones de restauración, para cuando tiene imágenes con defectos en ellas. También hay muchas herramientas de análisis disponibles.
- Scikit-Learn es útil para reunir el código de aprendizaje automático. Contiene módulos para clasificación, regresión, agrupación y más. La página web está llena de ejemplos útiles para que pueda comenzar fácilmente.
- Pandas es su recurso GOTO para conjuntos de big data para hacer sus datos en la ciencia de los datos. Pandas admite el análisis y modelado de datos y lo hace con código simple y claro. Muchas funciones son traducibles de R, por lo que puede prototipo con pandas.
- Statsmodels cubre sus necesidades de modelos estadísticos. Esta biblioteca maneja muchas cosas similares como panda, pero también puede importar archivos SATA y manejar el análisis de series de tiempo. Hay una caja de arena incluida donde puede experimentar con diferentes modelos estadísticos. Ese código en particular aún no se prueba, pero tal vez esté lo suficientemente cerca como para que termine el trabajo.
- Matplotlib: para trazar sus gráficos, incluye gráficos animados.
Las bibliotecas anteriores son excelentes para las matemáticas, pero deliberadamente se han mantenido alejados de la trama. En su lugar, dejan que bibliotecas como matplotlib maneje estos
Esto ha hecho que Matplotlib sea extenso y también tiene muchos software de soporte que cubre el mapeo, el trazado y el diseño de circuitos electrónico.
- Gnuplot.Py es un paquete de interfaz para el popular programa de gnuplot. Tiene un diseño orientado a objetos para que pueda agregar sus propias extensiones.
- Patsy describe modelos estadísticos en todas sus formas. También tiene muchas funciones que son comunes en R pero con pequeñas diferencias, como cómo denotar la exponencia. Patsy construirá matrices usando fórmulas, muy similar a la forma en que se hace en S y R.
- Sympy: Cuando desea imprimir sus fórmulas matemáticas, usa esta biblioteca. También tiene la capacidad de evaluar las expresiones. Es muy útil para crear fórmulas en sus documentos de látex. Incluso puedes ejecutar Sympy Live en tu navegador para probarlo.
Ahora que ha aprendido qué proyectos usar para las matemáticas, pronto tendrá la falta de energía de procesamiento. Para remediar esa situación, la ejecución paralela es la solución más común. Hay varias bibliotecas de Python para este propósito.
La biblioteca MPI4PY proporciona enlaces a la interfaz de paso de mensajes estándar. Debe descargar una biblioteca paralela estándar como MPich o OpenMPI. Ambos están disponibles en los repositorios estándar.
La otra biblioteca es paralela python o pp. Python paralelo crea un servidor y muchos clientes que toman trabajos desde su servidor. Este proyecto no implementa un estándar, sino que usa el servidor y el cliente de este mismo paquete en todas sus máquinas. Esto es más simple de alguna manera, pero requiere más cuando su proyecto se vuelve grande y necesita que otras personas le presten energía de procesamiento.
Estas bibliotecas son todas buenas por derecho propio, pero asegúrese de elegir la correcta para sus necesidades.
La elección no es irreversible, pero requerirá bastante trabajo más adelante en un proyecto. Su código fuente deberá cambiarse para usar una nueva biblioteca y se producirán nuevas fallas, así que elija sabiamente.
Si desea hacer sus cálculos de manera interactiva, instale y use Ipython, ya que esta es una versión mejorada de la versión de línea de comandos de Python. Además, si aún no lo ha hecho, considere usar Jupyter. Le proporciona un cuaderno, documentos y una consola de código en el mismo espacio de trabajo.
El marco actúa como un IDE, pero está dirigido más a explorar los problemas y el software que está desarrollando que los IDE tradicionales.
Para obtener más información, consulte estos artículos:
- Cómo instalar Anaconda Python en Ubuntu 18.04 LTS
- Tutorial de Anaconda Python
- Top 10 Python ides para Ubuntu
- Cómo instalar los cuadernos Jupyter en Ubuntu 18.04 LTS