python三维数据转换成二维_Python科学计算全生态工具锦集

没关注?  伸出手指点这里

AI

    Python目前是与科学计算结合最好的一门编程语言&＃xff0c;包括大数据分析、机器学习、人工智能、可视化&＃xff0c;甚至是天文学、生物学(神经科学)、量子力学等等都有强大的工具包支持

Python的科学计算工具

• Scipy生态 Python中用于科学计算的开源软件的集合

• 使用和开发此堆栈的人员社区

• 一些专门讨论科学计算的会议 Python-Scipy、EuroSciPy和SciPy.in

• SciPy Library 是组成SciPy堆栈的核心包之一。它提供了许多用户友好和高效的数值程序&＃xff0c;如用于数值积分、插值、优化、线性代数和统计的程序

Scipy生态

Python中的科学计算建立在一个小核心包的基础上

• Python 通用程序设计语言。它是解释和动态类型化的&＃xff0c;非常适合交互式工作和快速原型设计&＃xff0c;同时功能强大&＃xff0c;可以在中编写大型应用程序

• Numpy 数值计算的基本程序包。它定义了数值数组和矩阵类型及其基本运算

• Scipy Library 一组数值算法和特定领域的工具箱&＃xff0c;包括信号处理、优化、统计等

• Matplotlib 一个成熟和流行的绘图软件包&＃xff0c;提供出版质量的二维绘图和基本的三维绘图

在此基础上&＃xff0c;SciPy生态系统包括用于数据管理和计算、生产性实验和高性能计算的通用和专业工具。下面我们将概述一些关键的包&＃xff0c;尽管还有很多相关的包

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

• scikit-image 图像处理算法的集合

• scikit-learn 机器学习算法和工具的集合

• h5py和PyTables都可以访问以HDF5格式存储的数据

高性能计算

• IPython 一个丰富的交互界面&＃xff0c;让您快速处理数据和测试想法

• Jupyter 在您的web浏览器中提供IPython等功能&＃xff0c;允许您以易于复制的形式记录您的计算

• Cython 扩展Python语法&＃xff0c;以便您可以方便地构建C扩展&＃xff0c;既可以加快关键代码&＃xff0c;也可以与C/C&＃43;&＃43;库集成

• Dask、Joblib、 IPyParallel 用于以数字数据为中心的分布式处理

软件专题

通用Python资源

• Python.org Python语言的官方网站

• Python Package Index (PyPI) 官方Python.org包索引

• The Python Cookbook 社区驱动的代码片段集合

• The O’Reilly Python DevCenter O&＃39;Reilly被广泛认为是最好的计算机图书出版商之一&＃xff0c;他们维护着一个专门用于Python的资源中心

• The Python Learning Foundation

教程和文本

1.通用Python/编程教程

• 标准Python文档 它包含该语言附带的官方文档和教程

• Learn Python Python交互站点

• 如何像计算机科学家一样思考 Python初学者的免费书籍

• 为数据科学学习Python 互动网站&＃xff0c;提供Python教程&＃xff0c;重点介绍数据科学应用程序

2.使用Python的科学计算教程

• 主要的NumPy和SciPy文档

• Python科学讲义 关于科学Python生态系统的一整套教程

• Software Carpentry 一门开放源码的基本软件开发技能课程&＃xff0c;面向具有科学、工程和医学背景的人

• Python科学计算讲座

• Introduction to Statistics 统计学概论基本统计概念概论&＃xff0c;结合一整套应用实例&＃xff0c;用Python进行统计数据分析

科学&＃xff1a;基本工具

    这些链接涵盖了基本工具&＃xff0c;这些工具通常对几乎任何领域的科学工作都有用。后面列出的许多更具体的包依赖于其中的一个或多个包

• Scipy 伞形项目&＃xff0c;包括各种高级的科学和工程模块作为一个单一的包在一起。SciPy包括线性代数(包括BLAS和LAPACK的包装)、优化、集成、特殊函数、FFTs、信号和图像处理、ODE解算器等模块

• NumPy

• ScientificPython 用于科学计算的Python模块的另一个集合。它包括基本几何(矢量、张量、变换、矢量和张量场)、四元数、自动导数、(线性)插值、多项式、基本统计、非线性最小二乘拟合、单位计算、Fortran兼容文本格式、通过VRML的三维可视化&＃xff0c;以及两个用于简单线图和三维线框模型的Tk小部件。还有到netCDF库(可移植结构化二进制文件)、到MPI(消息传递接口、基于消息的并行编程)和到BSPlib(大容量同步并行编程)的接口。这些功能中的大部分已经集成到了SciPy中&＃xff0c;但并不是全部

• Numexpr 一个包&＃xff0c;它接受numpy数组表达式作为字符串&＃xff0c;重写它们以优化执行时间和内存使用&＃xff0c;并且执行它们的速度比numpy通常能够更快

• PyGSL GNU科学库(gsl)的Python接口

• GMPY2 GNU多精度库(gmp)的Python接口

• PyROOT 根框架的基于运行时的Python绑定&＃xff1a;根是一个用于开发科学应用程序的完整系统&＃xff0c;从数学和图形库到高效存储和读取大量数据集&＃xff0c;再到分布式分析。Python绑定是基于运行时类型信息的&＃xff0c;这样您就可以将自己的C&＃43;&＃43;类添加到系统中&＃xff0c;一个内衬和向下浇铸以及指针操作变得不必要。使用RTTI可以将内存和调用开销降到最低&＃xff0c;从而使绑定比任何“标准”绑定生成器都更轻、更快

• bvp 用于COLNEW边值问题求解器的修改版本的Python包装器

• NetworkX 用于创建、操作和研究复杂网络的结构、动力学和功能

• PyAMG 求解大规模线性代数问题的代数多重网格(AMG)解库

• PyTrilinos Python与Trilinos的接口&＃xff0c;Trilinos是一个用于解决大规模、复杂的多物理工程和科学问题的框架

• PyIMSLStudio 一个完整的打包、支持和文档化的Windows和Red Hat开发环境&＃xff0c;设计用于建立数学和统计模型的原型并将其部署到生产应用程序中。PyIMSL Studio包括IMSL数字库的包装器、Python发行版和一些可用于原型分析开发的开源Python模块。PyIMSL Studio可免费下载&＃xff0c;用于非商业用途或商业评估

• Bottleneck 一组用Cython编写的快速NumPy数组函数

• KryPy 求解稀疏大矩阵线性代数系统的Krylov子空间方法包

• Imageio 它提供了一个简单的接口&＃xff0c;可以读取和写入各种图像数据&＃xff0c;包括动画图像、视频、体积数据和科学格式。它是跨平台的&＃xff0c;在Python2.x和3.x上运行&＃xff0c;并且易于安装

• mpmath 一个免费(BSD许可)的Python库&＃xff0c;可用于任意精度的实数和复杂浮点运算

• paramnormal scipy.stats模块的包装器&＃xff0c;它有助于创建、拟合概率分布&＃xff0c;并将其可视化为更常规的参数

• MetroloPy 处理物理量的MetroloPy工具&＃xff1a;不确定性传播和单位转换

绘图、数据可视化、三维编程

二维工具

• matplotlib

• OpenCV

• Yellowbrick

• Bokeh

• Chaco

• PyQwt

数据可视化&＃xff1a;三维、曲面和体绘制

• Mayavi2

• visvis

• S2PLOT

• Panda3D

任意维工具

• SpaceFuncs

• pyqtgraph

优化

• CMA

• CVXOPT

• CVXPY

• DEAP

• ECsPy

• Mystic

• NLPy

• OpenOpt

• PuLP

• PyEvolve

• Pyiopt

• Pyomo

• python-zibopt

• scikits.optimization

• lmfit-py

• noisyopt

• scipydirect

系统非线性方程组

• fsolve 来自 scipy.optimize

• symphy 可用于求解线性和非线性方程

自动微分

    不要通过有限差分导数逼近和符号微分与数值微分混淆&＃xff0c;由最大值、符号等提供&＃xff0c;参见WikIOTIA.ORG条目

• FuncDesigner

• ScientificPython

• pycppad

• pyadolc

• algopy

• CasADi

• autograd

有限差分导数逼近

• check_grad

• DerApproximator

• numdifftools

偏微分方程解算器

• FiPy

• SfePy

• Hermes

主题指南--按科学领域组织

天文学

• AstroPy

• AstroPython

• Astropy

• PyRAF

• BOTEC

• AstroLib

• APLpy

• Tutorial

• Casa

• Healpy

• Pysolar

• pywcsgrid2

• pyregion

• SpacePy

人工智能与机器学习

• scikit learn

• ffnet

• pyem

• PyBrain

• Orange

• pymorph Morphology Toolbox

• pycplex

• ELEFANT

• Bayes Blocks

• Monte Python

• hcluster

• PyPR

• Theano

• NeuroLab

贝叶斯统计

• PyMC2

• PyBayes

• NIFTY

生物学(包括神经科学)

• Brian

• BioPython

• PyCogent

• Python For Structural BioInformatics Tutorial

• PySAT: Python Sequence Analysis Tools (Version 1.0)

• PySCeS: the Python Simulator for Cellular Systems

• SloppyCell

• PyDSTool

• NIPY

• ACQ4

• Vision Egg

• PsychoPy

• pyQPCR

• VeSPA

• Neo

• Myokit

• MNE-Python

动力系统

• PyDSTool

• SimPy

• Model-Builder

• VFGEN

• DAE Tools

• ODES

• Mousai

经济学与计量经济学

• pyTrix

• pandas

电磁学与电气工程

• FiPy

• FEval

• EMPy

• Optics of multilayer films

• openTMM

• pyLuminous

• pyofss

• ThunderStorm

• electrode

• scikit-rf

• netana

地球科学

• CDAT

• seawater

• atmqty

• TAPPy - Tidal Analysis Program in Python

• ClimPy

• GIS Python

• SimPEG

分子模拟

• Biskit

• PyMOL

• UCSF Chimera

• The Python Macromolecular Library (mmLib)

• MDTools for Python

• BALL - Biochemical Algorithms Library

• SloppyCell

• PyVib2

• ASE

• PyEMMA

信号处理

• GNU Radio

• pysamplerate

• audiolab

• PyWavelets

• PyAudiere

• CMU Sphinx

符号数学与数论

• NZMATH

• SAGE

• SAGE

• Python bindings for CLNUM

• Kayali

量子力学

• QuTiP

• QNET

• PyQuante

• QmeQ

[1] https://www.scipy.org

• 知识图谱与认知智能

• 智能运维三部曲

• 我们谈论AIOps时&＃xff0c;聊些什么

• 容器技术(序)