python数学计算（如何优雅地用Python进行科学计算）
python数学计算（如何优雅地用Python进行科学计算）译者：陈光欣作者：Juan Nunez-Iglesias，Stéfan van der Walt，Harriet Dashnow当然，如果你想用 Python 做科学计算，并且在速查手册中找不到合适的库，那不妨试试这个，你一定对这个名字早有耳闻，那就是 SciPy。介绍它的教程和文档可是不少，今天也给大家推荐一本专门讲解 SciPy 的新书《Python科学计算最佳实践》，跟文档比起来，这本书不但会教你如何编写有效的代码，还会激励你将代码变得更加酷炫！Elegant SciPy: The Art of Scientific Python
来源：图灵教育
众所周知，Python 是最易上手的一门编程语言，它代码简洁、短小，易于阅读，还具有跨平台性、解释性、可嵌入式等等特点。其实，Python 还有一个最大的优势就是有着丰富的库，除了一些标准库之外，第三方库更是必不可少。
如果你从事数据相关工作，你可能会用到 Numpy、Pandas，机器学习的话会用 Scikit-Learn，用 Python 做可视化会用到 Matplotlib 等等。想必大家在工作中都会经常与这些库打交道。
我们曾出版过一本《Python数据科学手册》，目前豆瓣评分 8.8，是一本 Python 第三方库的速查手册。主要介绍了如何利用 IPython、NumPy、Pandas、Matplotlib 和 Scikit-Learn 这 5 大工具高效存储、处理和分析数据，也是机器学习的必读书之一。
当然，如果你想用 Python 做科学计算，并且在速查手册中找不到合适的库，那不妨试试这个，你一定对这个名字早有耳闻，那就是 SciPy。
介绍它的教程和文档可是不少，今天也给大家推荐一本专门讲解 SciPy 的新书《Python科学计算最佳实践》，跟文档比起来，这本书不但会教你如何编写有效的代码，还会激励你将代码变得更加酷炫！
Elegant SciPy: The Art of Scientific Python
作者：Juan Nunez-Iglesias，Stéfan van der Walt，Harriet Dashnow
译者：陈光欣
- 一本书了解开源 Python 算法库和数学工具包 SciPy
- 生动展示如何通过 Python 的科学计算工具达到事半功倍的效果
书中结合大量代码实例，详尽展示了 SciPy 的强大科学计算能力，包括用 NumPy 和 SciPy 进行分位数标准化，用 ndimage 实现图像区域网络，频率与快速傅里叶变换，用稀疏坐标矩阵实现列联表，SciPy中的线性代数，SciPy 中的函数优化等。
我们先来简单说一下这本书，这本书原版书名为 Elegant SciPy，为什是 Elegant 而不是其他形容词呢？我们先花点时间说一下“优雅”这个词。
多数人会用这个词来形容某物在视觉上的简单、时髦和优美，比如第一代 iPhone。但很少有人用计算机算法来定义优雅。
一段良好的代码在感觉上就是正确的。当查看这种代码时，它的意图是明确的，形式是简洁的（但不至于晦涩），而且能高效地完成当前工作。分析优雅代码的乐趣是可以找出其中隐藏的知识，以及由其激发出的解决新编程问题时的创造性。
讽刺的是，创造性会引诱我们为了炫耀自己的睿智而编写出难以理解的代码，而承受这种代价的是代码阅读者。PEP 8（“Python 编码规范”）和 PEP 20（“Python 之禅”）提醒我们，阅读代码要比编写代码频繁得多，因此可读性最重要。
优雅代码的简洁性来自抽象和正确使用函数，而非大量的函数嵌套调用。可能需要一两分钟来领会这种代码，但最终肯定有一个恍然大悟的时刻。一旦搞清楚代码的各个组成部分，它的正确性就显而易见了。要想提高代码的可读性，可以使用清晰明确的变量和函数名称，并精心编写注释，注释不仅要描述代码，还应该解释代码。
软件工程师 J. Bradford Hipps 最近在《纽约时报》上发表了一篇文章，他认为，“要想写出更好的代码，就应该阅读一下弗吉尼亚 • 伍尔芙的作品”。文章选段如下：
在实践中，软件开发更多的时候是一种创造性活动，绝不是机械的算法。开发人员站在源代码编辑器前，就像是作家面对着空白的稿纸。……他们都对循规蹈矩的做事方式表现出理所当然的焦躁，并从内心深处渴望打破常规。当完成一段程序或一页作品时，它们的质量评判标准在很大程度上是一样的：优雅、简洁、内聚，没有一点故弄玄虚的东西，甚至堪称漂亮。
这也是这本书所持的立场。
介绍完优雅这个词之后，我们就来说说SciPy。
什么是SciPy?SciPy 是一个应用开发者与工程师们使用的机器学习库，包含了优化器、线性代数、积分、插值、快速傅立叶变换、信号和图像处理、统计等子模块。SciPy 库的主要功能是基于 Numpy 来实现的，它的数组操作就是使用了 Numpy 的数组操作。
为什么使用SciPyNumPy 和 SciPy 共同组成了 Python 科学应用生态系统的核心。SciPy 软件库实现了很多用于科学数据处理的函数，比如用于统计学、信号处理、图像处理和函数优化。SciPy 是建立在 NumPy 之上的，NumPy 是 Python 中用于数值型数组计算的库。
在过去的几年中，基于 NumPy 和 SciPy，一个包括应用和库文件的完整生态系统迅速发展起来，并在天文学、生物学、气象学和气候科学，以及材料科学等多个学科得到了广泛应用。
这种发展方兴未艾。2014 年，Thomas Robitaille 和 Chris Beaumont 整理了 Python 在天文学领域不断增长的应用。
很明显，SciPy 及其相关的库在未来几年将支持大量科学数据分析任务。
再举个例子，Software Carpentry 是一个专门向科研人员传授计算技能的组织，其中最常用的语言就是 Python，现在相关课程也已经供不应求。
天翻地覆：从Python 2到Python 3在使用 Python 的过程中，你应该对哪个 Python 版本更好的争论有所耳闻。或许你对此非常诧异，难道不是最新版本更好吗？（先剧透一下：确实是最新版本更好。）
2008 年末，Python 核心开发团队发布了 Python 3，对这种语言进行了一次重大更新，主要改进包括更好的 Unicode（国际标准）文本处理、类型的一致性以及流式数据处理等。正如 Douglas Adams 对宇宙初创的风趣评论一样，“这令很多人勃然大怒，被普遍认为是一种倒退”。这是因为，如果不进行一些修改，Python 2.6 或 Python 2.7 的代码一般不能由 Python 3 直接解释（尽管这些改动一般没有什么破坏性）。
向前发展与向后兼容总是要进行一番角力。对于这个问题，Python 核心团队决定做一个彻底的改变，消除 Python（特别是底层 C 语言 API）中的不一致性，从而使 Python 成为一门 21 世纪的语言（Python 1.0 发布于 1994 年，距今已有 20 余年，在技术界已经是相当长的时间）。以下是 Python 3 中的一处改进。
为什么非要不嫌麻烦地加上一对括号呢？是的，括号确实比以前麻烦，但如果你想要输出到另一个流中，如常用于存放调试信息的标准错误流，该怎么办呢？
此时这种改动看起来就很有价值。Python 2 中的代码到底表示什么意思呢？我们确实不大明白。
Python 3 的另一项改进是将整数除法修改为符合大多数人习惯的形式。（注意：>>> 表示我们正在 Python 交互式环境中进行输入。）
2015 年，Python 3.5 引入的新矩阵乘法操作符 @ 也非常令人激动，你也会在书里看到更多相关的知识。
Python 3 中的最大改进可能就是对 Unicode 的支持，Unicode 是一种文本编码方式，它不但包括英文字母表，还包括世界上所有的字母表。Python 2 允许你定义一个 Unicode 字符串，如下所示。
但在 Python 3 中，一切都是 Unicode。
Python 核心团队做出了正确的决策，在 Python 代码中一视同仁地支持所有语言的字符。如今这个决策看起来尤其英明，因为大多数新程序员来自于非英语国家。考虑到互操作性，我们还是建议在多数代码中使用英文字符，但这种能力迟早会派上用场，比如在包含大量数学公式的 Jupyter 笔记本中。
在 IPython 终端或 Jupyter 笔记本中，先输入一个 LaTeX 符号名称，紧接着按 Tab 键，就可以将其转换为 Unicode。例如，\bet<TAB> 可以变为 β。
Python 3 的更新也破坏了很多现有的
版代码，一些代码比以前运行得更慢。尽管会有这样的问题，我们还是建议所有人都尽快升级到 Python 3（Python
的维护期到 2020 年就结束了），因为随着
系列的逐渐成熟，大多数问题已经被解决。
