SciPy而不是GNU Octave

Question

對於我的實驗室實驗，我編寫了一些小程序來幫助進行數據分析。我通常只需要基本的計算，平均值，標準偏差，任意加權函數擬合和具有誤差條和擬合函數的曲線圖。

有了GNU Octave，我可以做到這一點。我開始更多地閱讀它的語言，我開始不喜歡它的不一致，並且我還得學習另一種語言。

所以我正在考慮使用Python，我現在正在使用一段時間，SciPy和NumPy。我可以輕鬆地用Python來完成這些工作嗎？或者，讓通用語言Python能夠做我打算做的事情，是否會花費更多的開銷？

Answer 1

是的，Python生態系統使其成爲日常數據分析任務的可行平臺，特別是使用IPython接口（但我會堅持使用標準的接口）。「[沒有]學習另一種語言」參數是一個強大的，恕我直言，這是我傾向於使用Python的原因之一。

>>> import numpy as np 
>>> import scipy.optimize 

「我平時只需要基本的計算」

>>> x = np.linspace(0, 10, 50) 
>>> y = 3*x**2+5+2*np.sin(x) 

「的意思，標準偏差」

>>> y.mean() 
106.3687338223809 
>>> y.std() 
91.395548605660522 

「任意加權函數擬合」

>>> def func(x, a, b, c): 
...  return a*x**2+b+c*np.sin(x) 
... 
>>> ynoisy = y + np.random.normal(0, 0.2, size=len(x)) 
>>> popt, pcov = scipy.optimize.curve_fit(func, x, ynoisy) 
>>> popt 
array([ 3.00015527, 4.99421236, 2.03380468]) 

「地塊與錯誤酒吧和適合f結」

xerr = 0.5 
yerr = abs(np.random.normal(0.3, 10.0)) 
fitted_data = func(x, *popt) 

# using the simplified, non-object-oriented interface here 
# handy for quick plots 

from pylab import * 
errorbar(x, ynoisy, xerr=xerr, yerr=yerr, c="green", label="actual data") 
plot(x, fitted_data, c="blue", label="fitted function") 
xlim(0, 10) 
ylim(0, 350) 
legend() 
xlabel("time since post") 
ylabel("coolness of Python") 
savefig("cool.png")