Python科学计算

转载自：http://blog.chinaunix.net/uid-23100982-id-3833119.html

Python世界的发展日新月异，在数据处理、科学计算领域又出现了许多新的进展：

• IPython项目获得了100多万美元的资助，开发进程得到了极大地提升，最近1.0就快要正式发布了，它集成了Notebook、并行运算等多项新功能。其中Notebook已经成为Python科学计算界的标准配置。
• NumPy的创始人Travis Oliphant在离开Enthought之后，创建了CONTINUUM，致力于将Python大数据处理方面的应用。最近推出的Numba项目能够将 处理NumPy数组的Python函数JIT编译为机器码执行，从而上百倍的提高程序的运算速度。而基于浏览器的Python开发环境 wakari(http://www.continuum.io/wakari) 能省去配置Python开发环境的麻烦。
• Pandas经过几个版本周期的迭代，目前已经成为数据整理、处理、分析的不二选择。
• OpenCV官方的扩展库cv2已经正式出台，它的众多图像处理函数能直接对NumPy数组进行处理，便捷图像处理、计算机视觉程序变得更加方便、简洁。
• 虽然matplotlib的创始人John Hunter不幸因病早逝，但matplotlib已经拥有稳定开发社区，最新发布的1.3版本添加了WebAgg后台绘图库，能在浏览器中显示图表并与 之进行交互。相信不久这一功能就会集成到IPython Notebook中去。
• 随着SymPy 0.7.3的发布，它已经逐渐从玩具项目发展成熟。一位高中生使用在线运行SymPy代码的网站：http://www.sympygamma.com
• Cython已经内置支持NumPy数组，它已经逐渐成为编写高效运算扩展库的首选工具。例如Pandas中绝大部分的提速代码都是采用Cython编写的。
• NumPy、SciPy等也经历了几个版本的更新，许多计算变得更快捷，功能也更加丰富。
• WinPython、Anaconda等新兴的Python集成环境无须安装，使得共享Python程序更方便快捷。
• 随着Python3逐渐成为主流，IPython, NumPy, SciPy, matplotlib, Pandas, Cython等主要的科学计算扩展库也已经开始支持Python3了。

所 有这些发展让我不得不觉得该是着手编写《Python科学计算-第二版》的时候了，预计这本书将涉及上述所有令人兴奋的发展，增改第一版中50%以上的内 容。这次我将完全使用IPython Notebook编写本书，这意味着所有的代码都是经过验证的，只要读者安装了相同的Python开发环境，就能得到相同的结果。

这将是一个漫长而有趣的过程，请各位感兴趣的读者长期关注本书的变化，并在 http://hyry.dip.jp/tech/forum/index 中留下您宝贵的意见和建议。如果对每章节的内容有任何疑问和建议，请在页面下方的评论栏中留言。