Ouviu falar de biblioteca NumPy, SciPy e Matplotlib, bem como ouvi na wikipédia leu :-) Quem os usou, quais são as vantagens antes de МатЛабом ou МатКадом se você pode lidar com grandes quantidades de dados através de complexos tapete de transformação, e muito bem exibir os resultados.
O benefício antes de mat. pacotes, você pode compilar o código, digamos, no mesmo дотнет, e isso não vai exigir que cada usuário comprar e colocar матлаб.
Você pode programar em paralelo e para o cluster.
Os dados podem ser recortadas, mas медленновать — eu finalmente parou no Scala, lá todos os bolos de línguas modernas (por exemplo, eu gosto de tuplas), e uma velocidade de quase сиплюсплюсовская.
O Python será a vez do outro a 40 mais devagar. Na verdade, como матлаб, como eu me lembro. É perceptível que limita convenientemente resolvidos a língua de tarefas.
Para um belo de saída e a pilha internas científica primitivos a mesma GnuScienceLibrary (включаяч gnuplot, como seu componente) прибиндены a todas possível de línguas, tanto quanto eu sei...
Em geral, eu uso uma linguagem dinâmica (na verdade, Ruby e Python) para o rápido (sem a recompilação) a depuração do algoritmo em uma pequena matriz de dados, e depois escrevo a versão final, no Scala, compilação e normal .jar.
habrahabr.ru/blogs/python/89538/
www.amazon.com/Beginning-Python-Visualization-Transformation-Professionals/dp/1430218436
A julgar pela minha специлизации (mecânica computacional), então, infelizmente, python малопригоден em sua forma atual ao desenvolvimento científico. Muitos cientistas têm a função de cálculo de malhas, escrito e comprovada há muitos anos atrás. Essas funções são escritas nem em C e fortran-е. Como não é de estranhar, mas eles são considerados бысрее, que С. E depois com a ajuda de invólucros Com e MPI tarefas são consideradas em super-computadores.
Reescrevê-las para outra linguagem de programação — é неблагодарная tarefa, assim como muito de matemática, de fórmulas, de lógica e outras coisas nessas funções.
Você pode usar a linguagem, mas python, então, torna-se simplesmente de um conveniente controle de projeto. Na verdade, a biblioteca e implementadas. Por Exemplo, O NumPy.
Para mim, pessoalmente, além de python, a, é que простенькую um quebra-cabeça, você pode rapidamente escrever e através de Matplotlib construir gráficos. E algo complicado, científica, ainda vale a pena escrever em fortran.
Que olha que científicos objetivos, pitão — o ainda o freio, volumosos cálculos para ele passar a bola — suicídio)
Sobre a velocidade, basta procurar o бенчмарки:
stackoverflow.com/questions/7596612/benchmarking-python-vs-c-using-blas-and-numpy