Файл: Introduction to Python for Science 2013.pdf

iv

Introduction to Python for Science, Release 0.9.23

Contents:

CONTENTS

1

Introduction to Python for Science, Release 0.9.23

2

CONTENTS

CHAPTER

ONE

INTRODUCTION

1.1 Introduction to Python and its use in science

This manual is meant to serve as an introduction to the Python programming language
and its use for scientific computing. It’s ok if you have never programmed a computer
before. This manual will teach you how to do it from the ground up.

The Python programming language is useful for all kinds of scientific and engineering
tasks. You can use it to analyze and plot data. You can also use it to numerically solve
science and engineering problems that are difficult or even impossible to solve analyti-
cally.

While we want to marshall Python’s powers to address scientific problems, you should
know that Python is a general purpose computer language that is widely used to address
all kinds of computing tasks, from web applications to processing financial data on Wall
Street and various scripting tasks for computer system management. Over the past decade
it has been increasingly used by scientists and engineers for numerical computations,
graphics, and as a “wrapper” for numerical software originally written in other languages,
like Fortran and C.

Python is similar to Matlab and IDL, two other computer languages that are frequently
used in science and engineering applications. Like Matlab and IDL, Python is an

inter-

preted

language, meaning you can run your code without having to go through an extra

step of compiling, as required for the C and Fortran programming languages. It is also
a

dynamically typed

language, meaning you don’t have to declare variables and set aside

memory before using them. Don’t worry if you don’t know exactly what these terms
mean. Their primary significance for you is that you can write Python code, test, and use
it quickly with a minimum of fuss.

3

Introduction to Python for Science, Release 0.9.23

One advantage of Python over similar languages like Matlab and IDL is that it is free. It
can be downloaded from the web and is available on all the standard computer platforms,
including Windows, MacOS, and Linux. This also means that you can use Python without
being tethered to the internet, as required for commercial software that is tied to a remote
license server.

Another advantage is Python’s clean and simple syntax, including its implementation of

object oriented

programming (which we do not emphasize in this introduction).

An important disadvantage is that Python programs can be slower than compiled lan-
guages like C. For large scale simulations and other demanding applications, there can
be a considerable speed penalty in using Python. In these cases, C, C++, or Fortran is
recommended, although intelligent use of Python’s array processing tools contained in
the NumPy module can greatly speed up Python code. Another disadvantage is that com-
pared to Matlab and IDL, Python is less well documented. This stems from the fact that it
is public

open source

software and thus is dependent on volunteers from the community

of developers and users for documentation. The documentation is freely available on the
web but is scattered among a number of different sites and can be terse. This manual will
acquaint you with the most commonly-used web sites. Search engines like Google can
help you find others.

You are not assumed to have had any previous programming experience. However, the
purpose of this manual isn’t to teach you the principles of computer programming; it’s
to provide a very practical guide to getting started with Python for scientific computing.
Perhaps once you see some of the powerful tasks that you can accomplish with Python,
you will be inspired to study computational science and engineering, as well as computer
programming, in greater depth.

4

Chapter 1. Introduction