Python能否进行大规模数值计算？
Python 是非常适合做数值计算的，几乎可以说 Python 是除了老牌的 Fortran、C、C 之外最适合做数据科学的计算机语言了。这从近些年 Python 的发展势头就能窥见一斑。Python 已经力压 R 及 Matlab，在数据科学领域风生水起。TIOBE 最新发布的 9 月编程语言排行榜中，Python 凭 4.67% 的增速以 0.26% 的优势力压 C ，逆袭成功进入 Top 3。
Python 是一门免费，灵活且强大的开源语言。使用 Python 能减少大量的开发时间，同时提供简洁易读的语法。使用 Python 可以容易地进行数据操作、数据分析和可视化。Python 提供了一整套功能强大的库，用于科学计算及机器学习相关应用。Python 做数值计算的基础是 numpy 库。numpy 是 Python 中最常用的数值计算库，提供了一个通用且功能强大的高维数组结构及大量的科学计算函数（其中相当一部分和 scipy 有交叉），是 Python 中几乎所有其他科学计算库的基础。
Python 在 numpy 的基础上打造了一个完整的科学计算生态系统，其中最常用的包括：scipy: 在 numpy 的基础上提供了科学计算中各种常见问题的解决工具，包括数学物理中的各种特殊函数，数值积分，优化，插值，傅立叶变换，线性代数，信号处理，图像处理，随机数和概率分布，统计学等等。sympy: Python 中的符号计算库，支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散数学、几何学、概率与统计、物理学等方面的功能，能在很大程度上代替 Mathematica 和 Matlab 的符号计算功能。
IPython: 一个 Python 的交互式开发和计算环境，比 Python 自带的 shell 好用且功能强大得多，支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数。 IPython notebook 可以将代码、图像、注释、公式和作图集于一体，已经成为用 Python 做教学、计算、科研的一个重要工具。
matplotlb: Python 做科学计算最常用和最重要的画图和数据可视化工具包。pandas: Python 中常用的数据分析包，适合时间序列及金融数据分析。scikit-learn：Python 的机器学习库。 它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度增强，k 均值等各类机器学习算法，可以与 Python 数值和科学计算库 numpy 和 scipy 互操作。
以上是 Python 中较为基础的数值和科学计算工具，一般来说只适用于在单台机器上进行计算工作，虽然可以使用多个线程或者 joblib 之类的工具进行并行加速（IPython.parallel 模块例外，可以运行在一个由多台计算机组成的集群上）。如果要进行更大规模的数值和科学计算，使用并行及分布式计算就很有必要了。
Python 也提供了相应的工具来支持大规模的并行分布式计算，可以使用的工具有：Dask：Dask 是一个用于数值和科学计算的灵活的并行计算库，它提供了一个优化的并行任务调度器和若干并行的数据结构：Dask Array 是一个分布式并行的 numpy 数值，Dask Bag 是一个分布式并行的 Python 序列集合，Dask Dataframe 是一个分布式并行的 Pandas dataframe。
另外 Dask-ML 将 scikit-learn 中的机器学习算法都并行化了，可以处理更大规模的数据运算。mpi4py：Python 中 MPI （消息传递）库。mpi4py 库与 numpy 数组结合紧密，可以高效地在不同的 MPI 进程包括不同的计算节点之间交换 numpy 数组数据。可以使用 mpi4py 在 Python 中非常容易地编写基于 MPI 的并行计算程序，然后在大型计算集群或者超级计算机上运行。
我的个人[简书专题](https://www.jianshu.com/c/5019bb7bada6)和 [CSDN 博客专栏](https://blog.csdn.net/column/details/26248.html)中有对用 mpi4py 做并行计算的专门介绍并提供了大量的程序实例。有需要或者感兴趣的可以了解下。
IPython.parallel：支持多种形式的并行计算，包括单程序多数据流（SPMD）并行，多程序多数据流（MPMD）并行，MPI 并行，数据并行等，可以非常容易地将计算任务部署到一个集群上并行地执行。pySpark：针对 Spark 的 Python API，可以使用它在 Python 中进行大数据分析和大规模的机器学习应用。
可能不是很适合大规模高性能数值和科学计算。大规模的数值和科学计算也经常涉及大量的数据 I/O 操作，I/O 操作往往是高性能计算的瓶颈所在，MPI 的 ROMIO 库提供了高效的并行 I/O 支持，可以使用 mpi4py 进行并行 I/O 操作，或者使用支持并行 I/O 的科学数据存储文件格式，如 HDF5 （Hierarchical Data Format）。
做科学计算用Python还是MATLAB？
用Python，我给出用Python的几点个人见解:1.2017人工智能（其中也包括科学计算）也火了一年了，Python的使用人数大大上升，大势所趋。2.Python的开发效率要远远高于其他的高级语言，举个例子说明一下1000行的C语言代码，Java需要100行，而Python则只需要20行，足以看出Python的开发效率。
3.Python的第三方库非常丰富，你会发现只要你想要的东西大部分都已经封装好的库了，如numpy数值计算，matplotlib一个类似于MATLAB的库用来画图，pandas文件操作的库，这几个库在科学计算中都会经常用到。4.代码运行速度，虽然说Python的运行速度没有其他的高级语言快，但是，像比较耗时的操作，我们可以使用c来编程实现，给Python调用，所以速度也不会慢到哪去，像numpy，pandas，matplotlib的底层实现都是用c写的。
近几年热火的Python语言，你认为Python可以干什么？
1、web应用开发网站后端程序员：使用它单间网站，后台服务比较容易维护。类似平台如：Gmail、Youtube、知乎、豆瓣2、网络爬虫爬虫是属于运营的比较多的一个场景吧, 爬虫获取或处理大量信息：批量下载美剧、运行投资策略、爬合适房源、从各大网站爬取商品折扣信息，比较获取最优选择；对社交网络上发言进行收集分类，生成情绪地图，分析语言习惯；爬取网易云音乐某一类歌曲的所有评论，生成词云；按条件筛选获得豆瓣的电影书籍信息并生成表格等。
3、AI 人工智能 与机器学习现在的人工智能非常的火爆,各种培训班都在疯狂打广告招生.机器学习，尤其是现在火爆的深度学习，其工具框架大都提供了Python接口。Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。4、数据分析一般我们用爬虫爬到了大量的数据之后，我们需要处理数据用来分析，不然爬虫白爬了，我们最终的目的就是分析数据，Python在这方面关于数据分析的库也是非常的丰富的，各种图形分析图等 都可以做出来。
也是非常的方便。“大数据”分析中涉及到的分布式计算、数据可视化、数据库操作等，Python中都有成熟的模块可以选择完成其功能。5、自动化运维：自动化处理大量的运维任务6、游戏开发者：一般是作为游戏脚本内嵌在游戏中7、自动化测试：编写为简单的实现脚本，运用在Selenium/lr中，实现自动化。8、网站开发：借助django,flask框架自己搭建网站。
