python科学计算,Python科学计算( 二 ) _Python

另外 Dask-ML 将 scikit-learn 中的机器学习算法都并行化了，可以处理更大规模的数据运算。mpi4py：Python 中 MPI （消息传递）库。mpi4py 库与 numpy 数组结合紧密，可以高效地在不同的 MPI 进程包括不同的计算节点之间交换 numpy 数组数据。可以使用 mpi4py 在 Python 中非常容易地编写基于 MPI 的并行计算程序，然后在大型计算集群或者超级计算机上运行。
我的个人[简书专题](https://www.jianshu.com/c/5019bb7bada6)和 [CSDN 博客专栏](https://blog.csdn.net/column/details/26248.html)中有对用 mpi4py 做并行计算的专门介绍并提供了大量的程序实例。有需要或者感兴趣的可以了解下。
IPython.parallel：支持多种形式的并行计算，包括单程序多数据流（SPMD）并行，多程序多数据流（MPMD）并行， MPI 并行，数据并行等，可以非常容易地将计算任务部署到一个集群上并行地执行。pySpark：针对 Spark 的 Python API ，可以使用它在 Python 中进行大数据分析和大规模的机器学习应用。
可能不是很适合大规模高性能数值和科学计算。大规模的数值和科学计算也经常涉及大量的数据 I/O 操作， I/O 操作往往是高性能计算的瓶颈所在， MPI 的 ROMIO 库提供了高效的并行 I/O支持，可以使用 mpi4py 进行并行 I/O 操作，或者使用支持并行 I/O 的科学数据存储文件格式，如 HDF5 （Hierarchical Data Format）。
做科学计算用Python还是MATLAB？

用Python ，我给出用Python的几点个人见解:1.2017人工智能（其中也包括科学计算）也火了一年了， Python的使用人数大大上升，大势所趋。2.Python的开发效率要远远高于其他的高级语言，举个例子说明一下1000行的C语言代码， Java需要100行，而Python则只需要20行，足以看出Python的开发效率。
3.Python的第三方库非常丰富，你会发现只要你想要的东西大部分都已经封装好的库了，如numpy数值计算， matplotlib一个类似于MATLAB的库用来画图， pandas文件操作的库，这几个库在科学计算中都会经常用到。4.代码运行速度，虽然说Python的运行速度没有其他的高级语言快，但是，像比较耗时的操作，我们可以使用c来编程实现，给Python调用，所以速度也不会慢到哪去，像numpy ， pandas ， matplotlib的底层实现都是用c写的。
近几年热火的Python语言，你认为Python可以干什么？

1、web应用开发网站后端程序员：使用它单间网站，后台服务比较容易维护。类似平台如：Gmail、Youtube、知乎、豆瓣2、网络爬虫爬虫是属于运营的比较多的一个场景吧, 爬虫获取或处理大量信息：批量下载美剧、运行投资策略、爬合适房源、从各大网站爬取商品折扣信息，比较获取最优选择；对社交网络上发言进行收集分类，生成情绪地图，分析语言习惯；爬取网易云音乐某一类歌曲的所有评论，生成词云；按条件筛选获得豆瓣的电影书籍信息并生成表格等。
3、AI 人工智能与机器学习现在的人工智能非常的火爆,各种培训班都在疯狂打广告招生.机器学习，尤其是现在火爆的深度学习，其工具框架大都提供了Python接口。Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。4、数据分析一般我们用爬虫爬到了大量的数据之后，我们需要处理数据用来分析，不然爬虫白爬了，我们最终的目的就是分析数据， Python在这方面关于数据分析的库也是非常的丰富的，各种图形分析图等都可以做出来。