當前位置：首頁 » 編程語言 » 用python做科學計算

用python做科學計算

發布時間: 2021-03-17 00:43:04

1. 求利用python來科學計算網路邊的(介數)的編程語句

#encoding=utf-8
importtime

fromoperatorimportitemgetter

#DatainBC.txt:
#a	b
#a	h
#b	c
#b	h
#h	i
#h	g
#g	i
#g	f
#c	f
#c	i
#c	d
#d	f
#d	e
#f	e

classGraph:
	def__init__(self):
		self.Graph=defaultdict(set)
		self.NodesNum=0
	
	defMakeLink(self,filename,separator):
		withopen(filename,'r')asgraphfile:
			forlineingraphfile:
				nodeA,nodeB=line.strip().split(separator)
				self.Graph[nodeA].add(nodeB)
				self.Graph[nodeB].add(nodeA)
		self.NodesNum=len(self.Graph)
		
	defBetweennessCentrality(self):
		betweenness=dict.fromkeys(self.Graph,0.0)
		forsinself.Graph:
			#1.
			S=[]
			P={}
			forvinself.Graph:
				P[v]=[]
			Sigma=dict.fromkeys(self.Graph,0.0)
			Sigma[s]=1.0
			D={}
			D[s]=0
			Q=[s]
			#
			whileQ:
				v=Q.pop(0)
				S.append(v)
				Dv=D[v]
				forwinself.Graph[v]:
					#wfoundforthefirsttime?
					ifwnotinD:
						Q.append(w)
						D[w]=D[v]+1
					#shortestpathtowviav
					ifD[w]==D[v]+1:
						Sigma[w]+=Sigma[v]
						P[w].append(v)
			
			#2.sumallpair-dependenciesofnodes
			delta=dict.fromkeys(self.Graph,0.0)
			#Sreturnsverticesinorderofnon-increasingdistancefroms
			whileS:
				w=S.pop()
				coeff=(1.0+delta[w])/Sigma[w]
				forvinP[w]:
					delta[v]+=Sigma[v]*coeff
				ifw!=s:
					betweenness[w]+=delta[w]
		
		scale=1.0/((self.NodesNum-1)*(self.NodesNum-2))
		forvinbetweenness:
			betweenness[v]*=scale
			
		betweenness=[(node,bc)fornode,bcinbetweenness.iteritems()]
		betweenness=sorted(betweenness,key=itemgetter(1),reverse=True)
		returnbetweenness

if__name__=='__main__':
	separator='	'
	file='C:\Users\Administrator\Desktop\BC.txt'
	
	begin=time.time()
	myGraph=Graph()
	myGraph.MakeLink(file,separator)
	printmyGraph.BetweennessCentrality()
	
	print'Time:',time.time()-begin,'seconds'

2. 為什麼Python適合科學計算

python做科學計算的特點：
1. 科學庫很全。
科學庫：numpy，scipy。作圖：matplotlib。並行：mpi4py。調試：pdb。
2. 效率高。
如果你能學好numpy（array特性，f2py），那麼你代碼執行效率不會比fortran，C差太多。但如果你用不好array，那樣寫出來的程序效率就只能呵呵了。所以入門後，請一定花足夠多的時間去了解numpy的array類。
3. 易於調試。
pdb是我見過最好的調試工具，沒有之一。直接在程序斷點處給你一個截面，這只有文本解釋語言才能辦到。毫不誇張的說，你用python開發程序只要fortran的1/10時間。
4. 其他。
它豐富而且統一，不像C++的庫那麼雜（好比linux的各種發行版），python學好numpy就可以做科學計算了。python的第三方庫很全，但是不雜。python基於類的語言特性讓它比起fortran等更加容易規模化開發。

python和老牌科學計算語言fortran相比，有著眾多的優勢，如果能用f2py接合兩者，那是極好的。

3. 用python做科學計算用哪個發行版比較好

Python(x, y)沒有64位的版本,開數組開大了就Memory Error了。用過Enthought Canopy一段時間,感覺界面看上去比python(x,y)里的Spyder洋氣一些

4. python的科學計算有什麼用

Python用在科學計算領域有兩大好處：

強大的膠水功能，可以粘合其他的第三方庫，處理任何碰到的問題；
批量處理的功能，省去很多時間，提高工作效率；

補充知識：

Python是一種面向對象的、動態的程序設計語言，具有非常簡潔而清晰的語法，既可以用於快速開發程序腳本，也可以用於開發大規模的軟體，特別適合於完成各種高層任務；
隨著NumPy、SciPy、matplotlib、ETS等眾多程序庫的開發，Python越來越適合於做科學計算。與科學計算領域最流行的商業軟體MATLAB相比，Python是一門真正的通用程序設計語言，比MATLAB所採用的腳本語言的應用范圍更廣泛，有更多程序庫的支持，適用於Windows和Linux等多種平台，完全免費並且開放源碼。雖然MATLAB中的某些高級功能目前還無法替代，但是對於基礎性、前瞻性的科研工作和應用系統的開發，完全可以用Python來完成。

5. 怎樣搭建基於 Python 的科學計算，數據處理環境

python 的科學計算模塊有numpy，scipy，畫圖的有mathplotlib。

在linux下軟體倉庫裡面應該都有；在windows下有些python IDL 裡面會集成的有，可以在網上搜一下。

也有相關的書籍介紹用python做科學計算。

6. python的科學計算和plot功能可能追上或者取代matlab嗎

說起科學計算，首先會被提到的可能是MATLAB。然而除了MATLAB的一些專業性很強的工具箱還無法替代之外，MATLAB的大部分常用功能都可以在Python世界中找到相應的擴展庫。和MATLAB相比，用Python做科學計算有如下優點：
● 首先，MATLAB是一款商用軟體，並且價格不菲。而Python完全免費，眾多開源的科學計算庫都提供了Python的調用介面。用戶可以在任何計算機上免費安裝Python及其絕大多數擴展庫。
● 其次，與MATLAB相比，Python是一門更易學、更嚴謹的程序設計語言。它能讓用戶編寫出更易讀、易維護的代碼。
● 最後，MATLAB主要專注於工程和科學計算。然而即使在計算領域，也經常會遇到文件管理、界面設計、網路通信等各種需求。而Python有著豐富的擴展庫，可以輕易完成各種高級任務，開發者可以用Python實現完整應用程序所需的各種功能。

7. 用python做科學計算用哪個發行版比較好

Python(x, y)沒有64位的版本，開數組開大了就Memory Error了。

用過Enthought Canopy一段時間，感覺界面看上去比python(x,y)里的Spyder洋氣一些，但是有個缺點讓我不能忍，就是無法看到程序中各種變數。想用python做科學計算，但是無法得知程序運行期間各種變數的變化情況，就像MATLAB缺少了Workspace一樣，怎麼忍，而且我查過，這個功能EP確實是還沒有，我只好用回Spyder了（Spyder自帶variable explorer），其他詳細的功能我也沒有對比過，感覺都差不多，其他的IDE我也沒用過，所以，僅供參考啦。話說EP的各種包清晰明了又可以隨時更新，這點比(x,y)強太多，不過，其實不更新也根本沒問題吧。

8. 為什麼Python適合科學計算

原因大約有以下幾點：

1. Python的語法簡單，這對很少接觸編程的搞學術老師的福音。

2. Python相較於其他語言有更豐富的模塊，比如科學計算的numpy。

3. Python越來越流行。

Python(英語發音:/ˈpaɪθən/), 是一種面向對象、解釋型計算機程序設計語言，由Guido van Rossum於1989年底發明，第一個公開發行版發行於1991年，Python 源代碼同樣遵循 GPL(GNU General Public License)協議。

Python語法簡潔而清晰，具有豐富和強大的類庫。它常被昵稱為膠水語言，能夠把用其他語言製作的各種模塊(尤其是C/C++)很輕松地聯結在一起。

常見的一種應用情形是，使用Python快速生成程序的原型(有時甚至是程序的最終界面)，然後對其中有特別要求的部分，用更合適的語言改寫，比如3D游戲中的圖形渲染模塊，性能要求特別高，就可以用C/C++重寫，而後封裝為Python可以調用的擴展類庫。需要注意的是在您使用擴展類庫時可能需要考慮平台問題，某些可能不提供跨平台的實現。

它常被昵稱為膠水語言，它能夠很輕松的把用其他語言製作的各種模塊（尤其是C/C++）輕松地聯結在一起。常見的一種應用情形是，使用python快速生成程序的原型（有時甚至是程序的最終界面），然後對其中有特別要求的部分，用更合適的語言改寫。比如3D游戲中的圖形渲染模塊，速度要求非常高，就可以用C++重寫。

9. 如何快速優雅的使用python的科學計算庫

Python是一種強大的編程語言，其提供了很多用於科學計算的模塊，常見的包括numpy、scipy、pandas和matplotlib。要利用Python進行科學計算，就需要一一安裝所需的模塊，而這些模塊可能又依賴於其它的軟體包或庫，因而安裝和使用起來相對麻煩。幸好有人專門在做這一類事情，將科學計算所需要的模塊都編譯好，然後打包以發行版的形式供用戶使用，Anaconda就是其中一個常用的科學計算發行版。

我們從網站(鏈接1)下載的默認的Anaconda版本已經內置了很多庫（鏈接2），包括numpy等。

盡管Anaconda已經自帶了大量科學計算中的常用模塊，可以直接使用。有時需要安裝一些其他python模塊。比如：

conda

anaconda自帶了conda命令用於安裝與更新模塊，比如:

1 conda install scipy2 conda update scipy

安裝完我們需要的庫之後，如果我們採用隨Anaconda一起安裝的spyder作為開發環境，那麼本文就結束了o_o

事實上是，我一直在用pycharm作為python開發的IDE。寫本文之前的5個小時內我一直在嘗試各種不同方法讓我電腦里的pycharm可以成功安裝好numpy庫，瀏覽完各大中外網站介紹的方法後讓我意識到這是一個很煩的問題。採用包括但不限於pip命令、安裝相應的各種版本whl文件都因為各種各樣的原因失效。極其失望的我嘗試了安裝了Anaconda，在這個界面（鏈接3）我發現了

「How to set up an IDE to use Anaconda」

它裡面介紹了幾種軟體使用Anaconda的方法，包括Pycharm。

Spyder
Python Tools for Visual Studio (PTVS)
PyCharm
Eclipse & PyDev
Wing IDE
Ninja IDE

因此，配置完pycharm調用Anaconda後，我們在可以快樂的在pycharm裡面調用各種科學計算庫啦。

具體步驟如下：

1.安裝Anaconda

2.安裝Pycharm

3.在Pycharm的Files>>settings>>Project Interpreter>>Add local 裡面添加Anaconda python.exe. 應用之後就可以調用各種Anaconda的庫啦。

有點曲線救國的味道

閱讀全文

用python做科學計算

與用python做科學計算相關的閱讀推薦