和Matlab不同，Python的科學(xué)軟件包由眾多的社區(qū)維護(hù)和發(fā)布，因此要一一將其收集齊安裝到你的電腦里是一件很費(fèi)時(shí)間的事情。幸好這些工作已經(jīng)有人幫我們整理好了。只需要下載一個(gè)文件，一次安裝就能擁有眾多的函數(shù)庫(kù)可供使用。這里介紹兩個(gè)科學(xué)計(jì)算Python合集的下載和安裝過(guò)程。

　　NumPy為Python提供了快速的多維數(shù)組處理的能力，而SciPy則在NumPy基礎(chǔ)上添加了眾多的科學(xué)計(jì)算所需的各種工具包，有了這兩個(gè)庫(kù)，Python就有幾乎和Matlab一樣的處理數(shù)據(jù)和計(jì)算的能力了。

　　NumPy為Python帶來(lái)了真正的多維數(shù)組功能，并且提供了豐富的函數(shù)庫(kù)處理這些數(shù)組。它將常用的數(shù)學(xué)函數(shù)都進(jìn)行數(shù)組化，使得這些數(shù)學(xué)函數(shù)能夠直接對(duì)數(shù)組進(jìn)行操作，將本來(lái)需要在Python級(jí)別進(jìn)行的循環(huán)，放到C語(yǔ)言的運(yùn)算中，明顯地提高了程序的運(yùn)算速度。

　　SciPy的核心計(jì)算部分都是一些久經(jīng)考驗(yàn)的Fortran數(shù)值計(jì)算庫(kù)，例如：

　　? 線性代數(shù)使用LAPACK庫(kù)

　　? 快速傅立葉變換使用FFTPACK庫(kù)

　　? 常微分方程求解使用ODEPACK庫(kù)

　　? 非線性方程組求解以及最小值求解等使用MINPACK庫(kù)

　　標(biāo)準(zhǔn)安裝的Python中用列表（list）保存一組值，可以用來(lái)當(dāng)作數(shù)組使用，不過(guò)由于列表的元素可以是任何對(duì)象，因此列表中所保存的是對(duì)象的指針。這樣為了保存一個(gè)簡(jiǎn)單的［1，2，3］，需要有3個(gè)指針和三個(gè)整數(shù)對(duì)象。對(duì)于數(shù)值運(yùn)算來(lái)說(shuō)這種結(jié)構(gòu)顯然比較浪費(fèi)內(nèi)存和CPU計(jì)算時(shí)間。此外Python還提供了一個(gè)array模塊，array對(duì)象和列表不同，它直接保存數(shù)值，和C語(yǔ)言的一維數(shù)組比較類(lèi)似。但是由于它不支持多維，也沒(méi)有各種運(yùn)算函數(shù)，因此也不適合做數(shù)值運(yùn)算。 NumPy的誕生彌補(bǔ)了這些不足，NumPy提供了兩種基本的對(duì)象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray（下文統(tǒng)一稱(chēng)之為數(shù)組）是存儲(chǔ)單一數(shù)據(jù)類(lèi)型的多維數(shù)組，而ufunc則是能夠?qū)?shù)組進(jìn)行處理的函數(shù)。

?