Les briques de l’informatique scientifique avec Python

• IPython, un interpréteur avec des fonctionnalités avancées.

  http://ipython.scipy.org/moin/

• Numpy : fournit l’objet tableau (de données) et les routines pour manipuler ces tableaux:

  >>> import numpy as np
  >>> t = np.arange(10)
  >>> t
  array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
  >>> print t
  [0 1 2 3 4 5 6 7 8 9]
  >>> signal = np.sin(t)
  

  http://www.scipy.org/

• Scipy : routines haut-niveau de traitement de données. Optimisation, régression, interpolation, etc:

  >>> import numpy as np
  >>> import scipy
  >>> t = np.arange(10)
  >>> t
  array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
  >>> signal = t**2 + 2*t + 2+ 1.e-2*np.random.random(10)
  >>> scipy.polyfit(t, signal, 2)
  array([ 1.00001151,  1.99920674,  2.00902748])
  

  http://www.scipy.org/

• Matplotlib : visualisation 2-D, figures “publication-ready”

  http://matplotlib.sourceforge.net/

• Mayavi : visualisation 3-D

  http://code.enthought.com/projects/mayavi/

• Et bien sûr, Python !

  • Le langage Python : types de données (string, int),contrôle de flux, conteneurs (listes, dictionnaires), etc.
  • Les modules de la librairie standard
  • Outils de développement