Numerisches Python: Überblick

Zusammenspiel von Python, NumPy, SciPy, Matplotlib und pandas

Formeln als grafisches Motiv

Python ist eine universelle Programmiersprache. Für numerische und wissenschaftliche Aufgaben entsteht ihre besondere Stärke durch ein Ökosystem spezialisierter Bibliotheken:

  • NumPy stellt das mehrdimensionale ndarray, Vektorisierung, Broadcasting und grundlegende numerische Operationen bereit.
  • SciPy baut auf NumPy auf und ergänzt Algorithmen unter anderem für Optimierung, Integration, Signalverarbeitung, Statistik und lineare Algebra.
  • Matplotlib dient der Visualisierung numerischer Daten.
  • pandas ergänzt NumPy um beschriftete Datenstrukturen wie Series und DataFrame und ist besonders für tabellarische Daten und Zeitreihen geeignet.

Diese Bibliotheken ersetzen Python nicht, sondern ergänzen die Sprache. Python übernimmt Kontrollfluss, Funktionen, Klassen und die allgemeine Programmstruktur; rechenintensive Array-Operationen werden möglichst an NumPy und darauf aufbauende Bibliotheken delegiert.

Empfohlener Weg durch dieses Tutorial

  1. NumPy Einführung
  2. NumPy-Arrays erzeugen
  3. Datentypen mit dtype
  4. Numerische Operationen auf Arrays
  5. Dimensionen anpassen
  6. Matrix-Arithmetik
  7. Matplotlib Einführung
  8. pandas Einführung

Wer bereits mit Python-Grundlagen vertraut ist, kann direkt mit NumPy beginnen. Für größere Datenanalyse-Aufgaben ist es anschließend sinnvoll, pandas und Matplotlib zu kombinieren.