Phenquestions
Penggunaan Python yang paling sederhana untuk matematika adalah sebagai kalkulator. Untuk melakukan ini, mulai Python di terminal dan gunakan fungsi cetak.
Matematika sederhana tersedia bahkan tanpa mengaktifkan modul matematika tetapi selain penambahan, pengurangan, pembagian dan perkalian, Anda perlu mengimpor modul matematika. Untuk mempersingkat kode, impor sebagai 'm'. Sekarang Anda meletakkan m dan titik di depan fungsi apa pun yang Anda gunakan. Ini berfungsi sama untuk semua modul di Python. Jika Anda ingin menggunakan bilangan kompleks, gunakan modul cmath.
Untuk fungsi di luar itu, berikut beberapa library yang dikhususkan untuk kebutuhan tertentu.
- Pustaka NumPy menangani fungsi matematika untuk array. Membuat array jenis apa pun dimungkinkan dan mengoptimalkan memori juga didukung. Array N-dimensi sepenuhnya tertutup. Fungsi yang ditangani perpustakaan termasuk iterasi, Transformasi Fourier, aljabar linier, dan fungsi keuangan. Pustaka ini juga mengimplementasikan C-API sehingga Anda dapat menggunakan kecepatan C tanpa menerjemahkan seluruh proyek Anda.
- SciPy adalah kumpulan perangkat lunak terkait sains, dengan tugas matematika sebagai pusatnya. Jika Anda perlu menghitung apa pun, ini adalah tempat yang baik untuk memulai. Koleksinya mencakup integrasi, pengoptimalan, dan nilai eigen yang jarang.
- Scikit-image adalah sumber yang bagus untuk memanipulasi dan menganalisis gambar. Perpustakaan memiliki fitur untuk mendeteksi garis, tepi, dan fitur. Ini juga memiliki fitur restorasi, ketika Anda memiliki gambar dengan cacat pada mereka. Ada juga banyak alat analisis yang tersedia.
- Scikit-learn berguna untuk menyatukan kode pembelajaran mesin. Ini berisi modul untuk klasifikasi, regresi, pengelompokan, dan lainnya. Halaman web penuh dengan contoh yang berguna sehingga Anda dapat dengan mudah memulai.
- Pandas adalah sumber daya Anda untuk kumpulan data besar untuk melakukan ilmu data Anda. Pandas mendukung analisis dan pemodelan data dan melakukannya dengan kode yang sederhana dan jelas. Banyak fungsi yang dapat diterjemahkan dari R, sehingga Anda dapat membuat prototipe dengan Pandas.
- Statsmodels memenuhi kebutuhan Anda akan model statistik. Pustaka ini menangani banyak hal serupa seperti Panda tetapi juga dapat mengimpor file Sata dan menangani analisis deret waktu. Ada kotak pasir yang disertakan di mana Anda dapat bereksperimen dengan model statistik yang berbeda. Kode khusus itu belum diuji tetapi mungkin cukup dekat bagi Anda untuk menyelesaikan pekerjaan.
- Matplotlib: Untuk memplot grafik Anda, sertakan plot animasi.
Perpustakaan sebelumnya sangat bagus untuk matematika tetapi mereka sengaja menjauh dari merencanakan. Sebaliknya mereka membiarkan perpustakaan seperti matplotlib menangani ini
Ini telah membuat matplotlib menjadi luas dan juga memiliki banyak perangkat lunak pendukung yang mencakup pemetaan, plotting, dan desain sirkuit elektronik electronic.
- Gnuplot.py adalah paket antarmuka untuk program gnuplot yang populer. Ini memiliki desain berorientasi objek sehingga Anda dapat menambahkan ekstensi Anda sendiri.
- Patsy menjelaskan model statistik dalam segala bentuknya. Ini juga memiliki banyak fungsi yang umum di R tetapi dengan perbedaan kecil, seperti bagaimana menunjukkan eksponensial. Patsy akan membangun matriks menggunakan rumus, sangat mirip dengan cara yang dilakukan di S dan R.
- Sympy: Ketika Anda ingin mencetak rumus matematika Anda, Anda menggunakan perpustakaan ini. Ia juga memiliki kemampuan untuk mengevaluasi ekspresi. Ini sangat berguna untuk membuat rumus dalam dokumen LaTeX Anda. Anda bahkan dapat menjalankan Sympy langsung di browser Anda untuk mengujinya.
Sekarang setelah Anda mempelajari proyek apa yang digunakan untuk matematika, Anda akan segera kekurangan kekuatan pemrosesan processing. Untuk memperbaiki situasi itu, eksekusi paralel adalah solusi paling umum. Ada beberapa perpustakaan Python untuk tujuan ini.
Pustaka mpi4py menyediakan binding ke Antarmuka Pengiriman Pesan standar. Anda perlu mengunduh pustaka paralel standar seperti mpich atau openmpi. Keduanya tersedia di repositori standar.
Pustaka lainnya adalah python paralel atau pp. Paralel Python membuat server dan banyak klien yang mengambil pekerjaan dari server Anda. Proyek ini tidak menerapkan standar, sebaliknya Anda menggunakan server dan klien dari paket yang sama ini di semua mesin Anda. Ini lebih sederhana dalam beberapa hal tetapi membutuhkan lebih banyak ketika proyek Anda menjadi besar dan Anda membutuhkan orang lain untuk meminjamkan Anda kekuatan pemrosesan.
Semua perpustakaan ini bagus dengan caranya sendiri, tetapi pastikan untuk memilih yang benar untuk kebutuhan Anda.
Pilihannya tidak dapat diubah tetapi akan membutuhkan cukup banyak pekerjaan nanti dalam sebuah proyek. Kode sumber Anda perlu diubah untuk menggunakan perpustakaan baru dan kesalahan baru akan terjadi, jadi pilihlah dengan bijak.
Jika Anda ingin melakukan perhitungan secara interaktif, instal dan gunakan Ipython karena ini adalah versi yang disempurnakan dari versi baris perintah Python. Juga, jika Anda belum melakukannya, pertimbangkan untuk menggunakan Jupyter. Ini memberi Anda buku catatan, dokumen, dan konsol kode di ruang kerja yang sama.
Kerangka kerja bertindak sebagai IDE tetapi lebih ditujukan untuk mengeksplorasi masalah dan perangkat lunak yang Anda kembangkan daripada IDE tradisional.
Untuk informasi lebih lanjut lihat artikel ini:
- Cara Menginstal Anaconda Python di Ubuntu 18.04 LTS
- Tutorial Python Anaconda
- 10 IDE Python Teratas untuk Ubuntu
- Cara Memasang Notebook Jupyter di Ubuntu 18.04 LTS
