Scipy: "Fundamental algorithms for scientific computing in Python".
scipy.org
I do not know how to use it but who has will.
(It is open source)
#scipy #opensource #usefulweb #algorithm #python #py #programming #tool
Scipy: "Fundamental algorithms for scientific computing in Python".
scipy.org
I do not know how to use it but who has will.
(It is open source)
#scipy #opensource #usefulweb #algorithm #python #py #programming #tool
Dual-Tree Complex Wavelet Transform:
https://eeweb.engineering.nyu.edu/iselesni/DoubleSoftware/index.html
#Wavelets #SignalProcessing #DataScience #Matlab #SciPy #Octave
#SciPy is refreshed without issues in #Guix
https://codeberg.org/guix/guix/commit/b56779458b0aa304079f9ab052110da5cdcc5fec

* gnu/packages/python-science.scm (python-scipy): Update to 1.17.1. [arguments] <test-flags>: Rework skipped tests, run more. [inputs]: Remove boost-1.88 and pybind11-2; add boost and pybind11. [native-inputs]: Remove python-click, python-doit, python-numpydoc, python-pycodestyle, python-pydevto...
Ускоряем и оптимизируем numpy, pandas, scipy и sklearn
С момента публикации статьи на Хабре « Импортозамещаем numpy, pandas, scipy и sklearn » прошло почти три года. В течение этого времени я приостановил работу над проектом из-за нехватки времени, ресурсов и сил. К тому же, меня расстроило, что не смог выполнить просьбу пользователя @N-Cube , который активно интересовался моей библиотекой и хотел ускорить работу своего Jupyter Notebook. В самый критический момент на помощь пришел волшебный AI, который, хоть и иногда проявлял недостаток гибкости, с готовностью исполнял все пожелания своего хозяина. Благодаря этому проект начал продвигаться вперед. За это время в библиотеки были добавлены поддержка CUDA, множество ручных SIMD-оптимизаций с динамическим выбором SIMD, несколько реализаций линейной регрессии и многое другое. Давайте рассмотрим, что на сегодняшний день позволяет сделать моя библиотека. Я представлю несколько тестовых примеров в двух вариантах: с использованием AVX-2 на процессоре Intel® Core™ i7-4790K и AVX-512 на Intel® Xeon. Также покажу результаты замеров для каждого из них. Все тесты проводились без использования GPU, исключительно на процессоре. Это позволяет сравнивать производительность Python и моей библиотеки на равных условиях. Операционная система – Ubuntu 24.04, компилятор – GNU 13.3.0.
https://habr.com/ru/articles/1039866/
#C++ #numpy #pandas #scipy #sklearn #opensource #datascience #data_analysis
- statistical distributions in #scipy are great too. I even used a scaled-shifted beta-prime distribution a few weeks ago! (???) (Still #julialang
Distributions.jl is my fave)
- #cmdstanpy works exactly as expected (which is great) but the post-processing of mcmc draws is a bit more cumbersome in Python than in R in my opinion (arviz in Python vs posterior in R) although this might again be matplotlib vs ggplot (did I mention I am not a matplotlib fan?)
4/n
That's a wrap, #PyConUS! I loved all the conversational talks, documentation writing, and PRS this week. Looking forward to following up with many of you and more collaborations in the future!
If you missed the #python dashboarding tutorial using Shiny, I have all my materials here: https://chendaniely.github.io/pycon-2026-shiny/
If you missed it, hopefully I'll catch you at #SciPy in July!
正三角形オブジェクトだけでフォントをレンダリングできるわけないじゃん、ムリムリ!(※ムリじゃなかった!?)
https://qiita.com/tropical-362827/items/6be88a910efa81f45791?utm_campaign=popular_items&utm_medium=feed&utm_source=popular_items