1.1.1 为什么是Python？

1.1.1.1 科学家的需求

• 获得数据（模拟，实验控制）
• 操作及处理数据
• 可视化结果… 理解我们在做什么！
• 沟通结果：生成报告或出版物的图片，写报告

1.1.1.2 要求

• 对于经典的数学方法及基本的方法，有丰富的现成工具：我们不希望重新编写程序去画出曲线、傅立叶变换或者拟合算法。不要重复发明轮子！
• 易于学习：计算机科学不是我们的工作也不是我们的教育背景。我们想要在几分钟内画出曲线，平滑一个信号或者做傅立叶变换，
• 可以方便的与合作者、学生、客户进行交流，代码可以存在于实验室或公司里面：代码的可读性应该像书一样。因此，这种语言应该包含尽可能少的语法符号或者不必要的常规规定，使来自数学或科学领域读者愉悦的理解这些代码。
• 语言高效，执行快…但是不需要是非常快的代码，因为如果我们花费了太多的时间来写代码，非常快的代码也是无用的。
• 一个单一的语言/环境做所有事，如果可能的话，避免每个新问题都要学习新软件

1.1.1.3 现有的解决方案

科学家用哪种解决方案进行工作？

编译语言：C、C++、Fortran等。

• 优势：

  • 非常快。极度优化的编译器。对于大量的计算来说，很难比这些语言的性能更好。
  • 一些非常优化的科学计算包。比如：BLAS（向量/矩阵操作）

• 不足：

  • 使用起来令人痛苦：开发过程中没有任何互动，强制编译步骤，啰嗦的语法（&, ::, }}, ; 等），手动内存管理（在C中非常棘手）。对于非计算机学家他们是艰深的语言。

脚本语言：Matlab

• 优势：

  • 对不同的领域的多种算法都有非常的类库。执行很快，因为这些类库通常使用编译语言写的。
  • 友好的开发环境：完善的、组织良好的帮助，整合的编辑器等
  • 有商业支持

• 不足：

  • 基础语言非常欠缺，会限制高级用户
  • 不是免费的

其他脚本语言：Scilab、Octave、Igor、R、IDL等。

• 优势：

  • 开源、免费，或者至少比Matlba便宜。
  • 一些功能非常高级（R的统计，Igor的图形等。）

• 不足：

  • 比Matlab更少的可用算法，语言也并不更高级
  • 一些软件更专注于一个领域。比如，Gnuplot或xmgrace画曲线。这些程序非常强大，但是他们只限定于一个单一用途，比如作图。

那Python呢？

• 优势：

  • 非常丰富的科学计算包（尽管比Matlab少一些）
  • 精心设计的语言，允许写出可读性非常好并且结构良好的代码：我们“按照我们所想去写代码”。
  • 对于科学计算外的其他任务也有许多类库（网站服务器管理，串口接收等等。）
  • 免费的开源软件，广泛传播，有一个充满活力的社区。

• 不足：

  • 不太友好的开发环境，比如与Matlab相比。（更加极客向）。
  • 并不是在其他专业软件或工具箱中可以找到算法都可以找到