Python作为一种脚本语言广泛应用用自动化测试中,在国外大学本科课程设置中,很多学校也将Python作为入门语言。在电路公司,如博通,很多测试岗位需要懂得Python。因此学习Python对以后求职工作有很大的帮助。
Python的应用十分广泛,在科研领域也有可以和MATLAB相提并论的科学计算包numpy,scipy,matplotlib等。尽管没有Simulink对应模块,但简单的数值计算已经可以代替MATLAB。国外的一些实验室也广泛使用Python和其科学计算包。
目前在科研领域经常使用的科学计算软件是MATLAB,Mathematica等,但这些收费软件对公司的商业授权费用很高,因而工业界很少有应用。除了一些研发实验室,一般电路公司更多使用Perl/Python/VBscript/C++等进行字符处理与科学计算。因而在学校学的的一身MATLAB屠龙之技在工业界上往往不能发挥,另一方面,公司在招聘时也会因技能不匹配而无法录取。因而在平时科研的过程中广泛积累工业界需要的技能就尤为重要。
Python和它的科学计算包为广大科研工作者带来了福音。一方面使用Python可以完成科学计算,不影响自己的科研,另一方面Python也是工业界常用语言,有助于积累技能。另外Python和科学计算包都是开源的,可以避免版权问题。目前国外已经有基于Python科学计算的集成开发环境,如Enthought Canopy,Python(x,y), Anaconda等。这些软件是免费的或者提供免费版供使用学习。
我使用Python有一段时间了,但还是没有掌握多少知识。一是自己基础不够,二是训练的少,三是缺少系统的指导,毕竟Python没有MATLAB那样强大的商业支持。在此我将自己平时在做Python科学计算时常用的一些小技巧分享出来,一是为对Python有兴趣的同学朋友提供一点点信息,二是自己也做积累,以免学新忘旧。文中若有纰漏错误也在所难免,本人学术不精还望海涵。
我常将以下代码敲进编辑器中,不管跑任何脚本都用到它们,有点像初始化代码一样。当然它们也不是完全必须的,可以自己取舍。但是很多书本和网友都推荐加上这段代码,作为良好的编程习惯之一。
import numpy as np # 导入 numpy科学计算包
import scipy as sp # 导入scipy 科学计算包
import matplotlib.pylab as plt # 导入matplotlib.pylab绘图包
from math import * # 将math包中的函数都导入
plt.close('all') # 关闭当前所有窗口
# 到了需要绘图时敲入以下代码
plt.figure(figsize = (3.2, 3)) # 创建一个图像窗口,宽3.2 inch, 高 3 inch
plt.rc('xtick',labelsize = 9) # 调整tick的size
plt.rc('ytick',labelsize = 9)
plt.legend(loc = 'best', prop = {'size' : 9}, frameon = False) # 调整legend的位置,字体大小和边框
plt.tight_layout() # 紧凑显示图片,居中显示
plt.show() # 显示图片
这些代码都是最基本的代码,类似于初始化或者调整格式。更详细的功能请参阅其他书籍或Google。