- 综合排序
- 最热优先
- 最新优先
- 来自专栏Bennyhuo
Java 17 更新（11）：支持矢量运算，利好科学计算？
关键词：Java Java17 Java 17 将继续孵化对矢量计算的支持。 在过去，Java 确实没有提供很好的矢量运算的途径，这使得我们只能基于标量计算来构造矢量计算的算法。 < a.length; i++) { c[i] = (a[i] * a[i] + b[i] * b[i]) * -1.0f; } } Vector API 的基本思想就是批量计算 我们可以注意到，在计算时 i 每次增加 SPECIES.length()，这就是分批的大小了。 IllegalArgumentException("Bad shape: " + s); } } 对于 FloatVector 类型，这套 API 提供了诸如 add、mul 这样的方法来方便实现矢量计算
3K30发布于 2021-10-19 - 来自专栏Python工程师
Python-科学计算-pandas-11-df获取特定行或者列
7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 pandas：0.19.2 这个系列讲讲Python的科学计算及可视化 import pandas as pd dict_1 = {"time": ["2019-11-02", "2019-11-03", "2019-11-04", "2019-11-05",
3K10发布于 2020-06-16 - 来自专栏机器学习与统计学
【实验楼-Python 科学计算】SciPy - 科学计算库（上）
SciPy 库建立在 Numpy 库之上，提供了大量科学算法，主要包括这些主题： · 特殊函数 (scipy.special) · 积分(scipy.integrate) · 最优化 (scipy.optimize scipy.linalg) · 稀疏特征值 (scipy.sparse) · 统计(scipy.stats) · 多维图像处理 (scipy.ndimage) · 文件IO (scipy.io) 特定函数 在计算科学问题时 示例：阻尼谐震子 常微分方程问题在计算物理学中非常重要，所以我们接下来要看另一个例子：阻尼谐震子。 傅立叶变换 傅立叶变换是计算物理学所用到的通用工具之一。Scipy 提供了使用 NetLib FFTPACK 库的接口，它是用FORTRAN写的。Scipy 还另外提供了很多便捷的函数。
1.8K10发布于 2019-04-10 - 来自专栏机器学习与统计学
【实验楼-Python 科学计算】SciPy - 科学计算库（下）
使用 eigvals 计算矩阵的特征值，使用 eig 同时计算矩阵的特征值与特征向量： evals = eigvals(A) evals => array([ 1.06633891+0.j SciPy 对稀疏矩阵有着很好的支持，可以对其进行基本的线性代数运算（比如方程求解，特征值计算等）。 有很多种存储稀疏矩阵的方式。 type '<type 'numpy.float64'>' with 6 stored elements in Compressed Sparse Column format> 可以像计算稠密矩阵一样计算稀疏矩阵
1.2K21发布于 2019-04-10 - 来自专栏python3
科学计算库Numpy——数值计算
矩阵 求和 乘积 最大值和最小值 最大值和最小值的位置 平均数 标准差 方差 限制 四舍五入
1.3K20发布于 2020-01-16 - 来自专栏科学计算
12 Julia科学计算
科学计算 科学计算必备DataFrames DataFrames基本操作 跟Python中的pandas的用法很像，相信用过Pandas的朋友上手应该无压力 DataFrame定义 新建一个DataFrame -08 │ 0.0032 │ 0.7566 │ │ 2018-01-09 │ 0.1355 │ 0.8986 │ │ 2018-01-10 │ 0.9274 │ 0.6022 │ │ 2018-01-11
2.6K20发布于 2020-06-30 - 来自专栏极客慕白的成长之路
Python科学计算：Pandas
1 1 2 2 3 3 4 dtype: int64 a 1 b 2 c 3 d 4 dtype: int64 1234567891011 0 11 expression 12 lambda argument_list: expression 这里argument_list是参数列表，expression是关于参数的表达式，会根据expression表达式计算结果进行输出返回
2.6K10发布于 2020-01-02 - 来自专栏python前行者
科学计算工具Numpy
mp.weixin.qq.com/s/2GxvBC5WWRt8eT1JnVqx1w 1.ndarray的创建与数据类型 1.Numpy（Numerical Python） Numpy：提供了一个在Python中做科学计算的基础库 本身是由C语言开发，是个很基础的扩展，Python其余的科学计算扩展大部分都是以此为基础。 高性能科学计算和数据分析的基础包 ndarray，多维数组（矩阵），具有矢量运算能力，快速、节省空间 矩阵运算，无需循环，可完成类似Matlab中的矢量运算 线性代数、随机数生成 import numpy 11 13]] print(y) 这有效; 但是当矩阵x非常大时，在Python中计算显式循环可能会很慢。 11 13]]" Numpy广播允许我们执行此计算而无需实际创建多个副本v。
3.7K30发布于 2019-03-25 - 来自专栏mathor
科学计算库Numpy
numpy.array([5,10,15,20]) print (vector.dtype)#int32 vector = vector.astype(str) print (vector.dtype)#<U11 axis = 1))#[5 20 35] print (vector.min(axis = 0))#[5 10 15] #print (help(numpy.array)) axis表示按行或列进行计算 ，axis=1表示按行计算，axis=0表示按列计算 sum函数 import numpy vector = numpy.array([[5,10,15], 12 13 14] vector = vector.reshape(3,5) print (vector) #[[ 0 1 2 3 4] # [ 5 6 7 8 9] # [10 11 (vector.T)#转置 print (vector.reshape(4,-1)) reshape只要有一个参数确定，另一个参数就确定了，所以另一个参数如果你懒得算，直接写-1，python会自动计算另一个维度是多少
1.1K40发布于 2018-08-17 - 来自专栏机器学习与统计学
【实验楼-Python 科学计算】为什么Python适合科学计算?
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。 ? 科学计算的要求 可复制 与 可重现 是科学方法的两块基石。 Python 在科学计算中有着重要地位: 大量的社区用户, 易于寻求帮助与查询文档。 良好的支持 多进程多线程平行计算 进程间通信 (MPI) GPU 计算 (OpenCL 与 CUDA) 容易获取，适合高性能计算机集群。 不需要许可证费用。 科学 Python 软件栈 ?
1.8K30发布于 2019-04-10 - 来自专栏云计算D1net
云计算能够改变科学计算吗？
日前，云计算专家汤姆·威尔基提供了两个例证，科学数据集的增长推动向云计算进军，另外，这将深刻地改变科学计算。 私有云和联合云都试图解决同样的两个科学问题：如何利用学术机构有限的预算，为分析现代科学所产生的巨大的数据集提供必要的计算能力？以及如何能够有效地共享这些数据集，而不必重复这些数据集？ 这两个项目举例说明行业人士近期对高性能云计算的兴趣大增，而在《科学计算世界》的二月和三月号的专题文章中描述：“HPC终于登上云端”。 利夫卡表示，如今也将看到一个类似的模式转变的，原因是研究者重要的是“科学的时间”，而不再用时间的长度来衡量的计算时间。 利夫卡认为，这将迫使大多数用户找出一种新的方式实施科学计算，因为这些人并没有国家资助的计算资源。“这是我第一次看到管理IT驱动的发展趋势，而不是研究出来的。
2K80发布于 2018-03-26 - 来自专栏科学计算
11 并行计算
0.77 seconds 9 finished in 0.38 seconds 12 finished in 0.11 seconds 7 finished in 0.88 seconds 11 的可执行文件的路径下打开命令行，执行julia -p n，就是启动n个进程的julia # 指定进程2来生成一个3x4的随机矩阵 r = remotecall(rand, 2, 3, 4) # 在进程2中计算
1.5K20发布于 2020-06-30 - 来自专栏python3
Python 科学计算基础 （整理）
随着NumPy、SciPy、matplotlib、ETS等众多程序库的开发，Python越来越适合于做科学计算。 与科学计算领域最流行的商业软件MATLAB相比，Python是一门真正的通用程序设计语言，比MATLAB所采用的脚本语言的应用范围更广泛，有更多程序库的支持，适用于Windows和Linux等多种平台， * 随着Python3逐渐成为主流，IPython, NumPy, SciPy, matplotlib, Pandas, Cython等主要的科学计算扩展库也已经开始支持Python3了。 -生物科学 Python科学计算发行版 ---- Python(x,y) 当前最新版本:2.7.6.1 (05/30/2014)，支持Windows和Python2.7.6。 EnthoughtCanopy（Enthought Python Distribution） 当前最新版本:1.4.1 (06/11/2014)，支持Linux, Windows,Mac平台和Python2.7.6
2.2K10发布于 2020-01-09 - 来自专栏ml
python科学计算之numpy
以等差的形式生成一维数组: import numpy as np print np.linspace(0,4,6) 结果：[ 0. 0.8 1.6 2.4 3.2 4. ] 5.使用frompyfun进行加速科学计算 1, 1) print fx(x) 结果： [1.6 2.2 2.8000000000000003 3.4 4.0 4.6] 6. np.dot（[1,2],[2,3]）为矩阵的内积(矩阵相乘)计算
1.1K60发布于 2018-03-27 - 来自专栏python3
科学计算库Numpy——运算
np.multiply(array1,array2) 该函数用于数组中对应位置上的数相乘。 一维向量 二维数组 np.dot(array1,array2) 两个数组都是一维向量 数组中
88420发布于 2020-01-16 - 来自专栏python3
科学计算库Numpy——概述
Numpy主要用于数组的各种计算。 导入Numpy import numpy as np 数组类型 Numpy的数组类型为numpy.ndarray。
63630发布于 2020-01-17 - 来自专栏乐百川的学习频道
安装Anaconda科学计算包
在这本书的最后，介绍了一些Python常用的第三方类库，像科学计算库、金融计算库、图形图像库等等。其中也介绍了Anaconda。不过其实Anaconda我之前在网上就了解了一下，不过感觉没啥用。 Anaconda是一个科学计算包，包含了一个Python二进制分发包、很多Python科学计算类库（总计超过720个开源类库）、以及一个方便的包管理器工具来下载其他类库。 其他工具 Anaconda基本上就是一个科学计算包，所以安装好了之后，就可以直接使用它附带的各种科学计算工具了。由于我自己对这方面也不甚了解，所以就不说了。 总之，如果你希望进行一些科学计算等方面的学习和研究，又不想一个一个地安装Python模块，那么就来使用一下Anaconda吧。它附带的各种工具，说不定可以满足你的需求。
2.3K100发布于 2018-01-09 - 来自专栏北京马哥教育
Python科学计算之Pandas
而Scipy（会在接下来的帖子中提及）当然是另一个主要的也十分出色的科学计算库，但是我认为前三者才是真正的Python科学计算的支柱。 所以，不需要太多精力，让我们马上开始Python科学计算系列的第三帖——Pandas。如果你还没有查看其他帖子，不要忘了去看一下哦！ 导入Pandas 我们首先要导入我们的演出明星——Pandas。
4K00发布于 2018-07-31 - 来自专栏全栈程序员必看
计算机科学与技术现状分析_信息科学与计算机科学的区别
使计算机科学与技术在全国综合国力竞争的作用逐渐加大。 对于这种情况，加快计算机科学与技术的发展，不但有利于人们更快捷地了解如今的发展趋势和历史，且还推动计算机科学与技术的进步，方便人们的生活。 关键词：计算机科学；发展趋势；技术；探析 随着国家经济条件的不断改变，计算机科学与技术也越来越先进，信息传播能力也越来越强，各个国家之间的沟通更加密切[1]。 2计算机科学与技术的发展现状 2.1普遍性和重要性 从古到今，科学技术始终是第一生产力，不断提高计算机科学与技术是当今社会的方向，也是人们生活中必不可少的一部分，随着计算机科学与技术70多年的发展历史， 因此，新时代的计算机科学与技术，应根据以往的经验来尽量避免这些问题的发生，加快计算机的更新效率，运行速度也逐渐顺畅，性价比更高，使计算机科学与技术性能更好，在科技发达的今天，不断地在生活中实践计算机的科学与技术
1.5K20编辑于 2022-11-01 - 来自专栏新智元
CCF 大数据与计算智能大赛：挑战 11 题，成为顶尖数据科学家
【新智元导读】2016 CCF大数据与计算智能大赛9月24日启幕，发布了 11 道高质量创新赛题，涉及智能电网、搜索广告、O2O营销、舆情分析、监控识别、计算广告、无人驾驶、市场预测、LBS营销、气候预测等多个热门方向 2016年第四届大赛以“大数据与计算智能”为主题，以“数据驱动，智见未来”为口号，成功吸引了数百位权威专家与行业大咖莅临现场，预计将有数千支专业队伍参与。 为了更好地支持参赛者进行大数据技术研究，解决参赛者计算资源缺乏等问题，本次竞赛的专业大赛平台将联合各企业与科研机构，为优秀参赛者提供专业的云计算平台支撑。 本次大赛的11道高质量大数据与人工智能创新赛题，涉及智能电网、搜索广告、O2O营销、舆情分析、监控识别、计算广告、无人驾驶、市场预测、LBS营销、气候预测等多个热门方向，将为图像处理、自然语言处理、用户画像 2016CCF大数据与计算智能大赛邀您登陆大赛指定平台 DF(DataFountain, http://www.wid.org.cn），迎接大数据竞赛带来的挑战，不见不散！
1.2K30发布于 2018-03-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号