Python 科学计算之实验环境安装及使用

Python 科学计算

本课主要介绍科学计算，实验环境的安装以及使用等内容。

本实验环境采用带桌面的Ubuntu Linux环境，代码编写与命令运行都会在 Spyder IDE 上进行。Spyder 是一个类 MATLAB IDE 专注于科学计算的 Python IDE。

实验目录

1. 计算在科学中所扮演的角色
2. 科学计算的要求
   
   • 管理源代码的工具
3. 为什么Python适合科学计算?
   
   • 科学 Python 软件栈
4. Python 环境
   
   • IPython
   • IPython notebook
   • Spyder
   • Python的版本
5. 安装
   
   • Linux
   • Windows

1 计算在科学中所扮演的角色

传统意义上科学被分为两类：经验科学与理论科学，但在过去的几十年中计算渐渐成为了科学重要的一部分。科学计算在接近理论的同时又包含很多实验工作的特性，因此常常被看作是科学的第三分支。在大多数领域中，计算工作是对经验与理论的一个重要补充，现今大量的论文都包含了数值计算，计算机模拟和建模。

在经验科学与理论科学的领域中已经建立起了完善的规则使得研究结果可以被获取。而在计算机科学中却没有好的指导规范规定源代码与数据必须发布，最近这个议题越来越受到人们的关注，一些著名的期刊，包括科学，都在呼吁论文作者提供处理数据的源代码，这场关于如何促进源代码分发的讨论将持续进行。

2 科学计算的要求

可复制 与 可重现 是科学方法的两块基石。对于数值工作，遵守这些概念有以下两点实际意义：

• 可复制：有需要时论文作者能够重新模拟一次并且复制结果，其他科学家在进行相同的计算后应当能得到同样的结果。

• 可重现：数值模拟所得到的结果可以由方法的独立实现来重现，或者是完全不同的方法来重现。

结论：一个可靠的科学结果应当是可重现的， 一个可靠的科学研究应当是可复制的。

为了实现这些目标，我们需要：

• 准确地记录下产生论文数据