下一步

因此，学习科学 Python 需要对 Python 本身有扎实的掌握。我们建议您阅读 官方教程，进行 exercism 上的在线教程，或者使用在线或印刷的无数资源中的任何一个。

学习一门新的语言可能很具有挑战性，但 Python 很有趣——所以要坚持不懈！社区会一路帮助你。

因此，让我们先了解一些基础知识。

如何运行您的 Python 代码#

Python 是一种解释型语言：这意味着它会读取包含指令的文本文件，并逐个执行这些指令。

创建文本文件的 easiest 方法是在文本编辑器中，例如 Spyder 或 VSCode。我们现在就可以做到。让我们创建一个名为 hello.py 的文件

print("Hello world")

然后运行它

python hello.py
hello

就是这样，您的第一个 Python 程序！

您也可以在 IPython 中以交互方式玩弄 Python 代码

[启动 IPython 并运行：]

In [1]: def fibonacci(n):
   ...:     a, b = 0, 1
   ...:     for i in range(0, n):
   ...:         a, b = b, a + b
   ...:     return a
   ...:

In [2]: fibonacci(10)
Out[2]: 55

另一种玩弄 Python 代码的方法是在 Jupyter Lab 中。这是一个用于键入和执行 Python 代码的交互式 Web 应用程序。让我向您展示如何在 Jupyter 中进行简单的绘图

[打开 Jupyter Lab；创建笔记本；导入 matplotlib 为 plt；plt.plot([1, 2, 3])]

您可以访问 https://try.jupyter.org 进行测试。

NumPy 入门#

大多数科学代码与一般代码的区别在于它们对数字集合进行操作。这些通常表示为 NumPy 数组——它们速度快，并且具有方便的语法。

让我们生成 1000 个随机数并将它们平方

[在 IPython 中]

import numpy as np
import matplotlib.pyplot as plt

# Generate 1000 random numbers, store in x
x = np.random.random(size=1000)

# Square them and store in y
y = x**2

# Plot the results!
plt.plot(x, y)
plt.show()

了解更多！#

我们将在视频下方发布一个链接列表，您可以在那里了解更多信息

• 科学 Python 讲义
• NumPy 用户指南
• Matplotlib 教程
• pandas 教程
• 优雅的 SciPy

然而，到目前为止，学习的最好方法是开始编码！

卡住了？#

卡住时要做的第一件事是阅读文档。请注意，几乎所有库都附带了触手可及的文档！

[说明如何查找 np.linspace 的文档字符串]

如果您仍然卡住，请加入社区论坛 https://discuss.scientific-python.org 或联系相关软件包的邮件列表。

祝你好运！