). Он содержит традиционные функции: среднее, медиану, моду, стандартное отклонение, распределение и т. д. Входными аргументами являются последовательности (списки или кортежи) или итераторы любого числового типа данных: int, float, decimal и fraction. Одна из функций, mode, также принимает в качестве аргументов строки. Для Python существует множество других статистических функций, располагающихся в пакетах SciPy и Pandas, которые мы рассмотрим далее в этом приложении.
Начиная с Python 3.5, вы увидите символ @, который делает необычные вещи. Он все еще может использоваться для декораторов, но его также можно будет применять для перемножения матриц (http://legacy.python.org/dev/peps/pep-0465/). Однако до появления этой возможности вам следует воспользоваться NumPy.
В оставшейся части этого приложения рассматриваются сторонние пакеты Python для науки и математики. Несмотря на то что вы можете установить их индивидуально, следует рассмотреть их одновременную загрузку в качестве части научного дистрибутива Python. Рассмотрим основные варианты.
• Anaconda (https://store.continuum.io/cshop/anaconda/). Это бесплатный пакет, имеющий множество самых свежих возможностей. Он поддерживает Python 2 и 3 и не вредит установленной у вас версии Python.
• Python(x,y) (https://code.google.com/p/pythonxy/). Этот релиз подходит только для Windows.
• Pyzo (http://www.pyzo.org/). Этот пакет основан на некоторых инструментах пакета Anaconda, а также других.
• ALGORETE Loopy (http://algorete.org/). Этот пакет также основан на Anaconda и содержит дополнения.
Я рекомендую вам установить пакет Anaconda. Он большой, и все, что представлено в этом приложении, в нем содержится. В приложении Г рассматривается использование Python 3 и Anaconda. Примеры остальной части приложения подразумевают, что вы установили необходимые пакеты либо отдельно, либо как часть Anaconda.
Это одна из основных причин популярности Python среди ученых (http://www.numpy.org/). Вы слышали, что динамические языки вроде Python зачастую медленнее компилирующих языков вроде С или даже других интерпретируемых языков вроде Java. NumPy был написан для предоставления доступа к быстрым многомерным массивам по аналогии с научными языками вроде FORTRAN. Вы получаете скорость С и дружественность к разработчикам Python.
Если вы загрузили один из научных дистрибутивов, у вас уже есть NumPy. Если же нет, следуйте инструкциям на странице загрузки NumPy (http://www.scipy.org/scipylib/download.html).