Лучшая Числовая библиотека Приходит в Python – NAG Для Python

Вы можете подумать, что называть “NAG” лучшей числовой библиотекой-это шумиха, но у нее безупречные академические полномочия, и она существует уже давно. Тот факт, что NAG серьезно относится к Python, в такой же степени подтверждает важность языка как числового инструмента, как и всего остального.

Это слишком сильно, чтобы сказать, что добавление его в список языков, которые поддерживает NAG, является подтверждением того, что Python “достиг совершеннолетия”, но он ставит его там с классическими C, Fortran, Java и т. Д.

Групповая библиотека NAG – численных алгоритмов была доступна со времен мэйнфрейма, и в ней есть процедуры для выполнения всех классических задач по хрусту чисел и много очень новых вещей. Ключевая особенность библиотеки NAG заключается в том, что она надежна, потому что она собрана численными аналитиками, которые, как вы можете предположить, знают, что они делают. Библиотека NAG не бесплатна, хотя есть пробное предложение, и не каждый сможет его оправдать.

Чтобы объяснить библиотеку NAG, нужно было бы спуститься в длинный список того, что доступно, и вы можете увидеть это на ее веб-сайте. Главное, что нужно понять, – это то, что, помимо сильной коллекции статистических процедур, некоторые пользователи находятся под впечатлением, что NAG-это “просто” пакет статистики и, следовательно, своего рода альтернатива использованию R say. В нем есть множество основных статистических процедур – Пошаговая регрессия, ЛАССО, ЛАРС, регрессия хребта, Временные ряды, модели смеси, квантили, генераторы случайных чисел и так далее. Однако не думайте, что диапазон алгоритмов ограничен только алгоритмами “заголовка”. Существуют сотни процедур из очень широкого спектра областей. Назовем лишь некоторые из них: поиск корней, вейвлет-преобразование, интегрирование, ОДЫ, PDE и, конечно же, полный набор процедур линейной алгебры и линейных моделей. Было бы справедливо описать большинство как “современное состояние”.

Конечно, есть некоторые новые функции: 

Оптимизация без производных для подгонки данных

Функции Струве

Набор для моделирования оптимизации NAG

Метод внутренних точек для нелинейной оптимизации

Полуопределенное программирование (SDP)

Ближайшая Корреляционная матрица

Задача Трех Тел с использованием интерполяции Рунге-Кутты высокого порядка 

Я должен признать, что понятия не имею, что такое функция Струве, но, без сомнения, кто-то там испытывает облегчение, обнаружив, что она, наконец, была включена в библиотеку NAG. Я, одетый в свою шляпу физика, заинтригован включением численного подхода Рунге-Кутты к проблеме трех тел и задаюсь вопросом, могу ли я сделать некоторые интересные графики, используя его.

Я начал использовать библиотеку NAG в Fortran много версий назад, и вы все еще можете делать это так же хорошо, как и в C, C++, Java, .NET и даже Excel. Когда у вас закончился пар, используя готовые процедуры, вы можете использовать NAG с вашего любимого языка.

Добавление Python в список-это признак того, насколько важным стал этот язык для науки и численной работы.Новый интерфейс Python работает с Python 2.7-3.7 и использует NumPy. Все процедуры работают с собственными структурами данных Python, и интеграция кажется хорошей. Я не смог найти никаких упоминаний об использовании его с записными книжками Юпитера, но я не понимаю, почему бы и нет.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *