در این نوشته کد رسم فراکتال مندل برات در پایتون با استفاده از کتابخانه‌های matplotlib و numpy ارائه شده است. این کد می تواند به عنوان یک مبنا برای توسعه و رسم دیگر فراکتالها مورد استفاده قرار گیرد. این کد از مثالهای پایه‌ای matplotlib می باشد.
اگر جزو افرادی هستید که قبلا محاسبات علمیتان را با متلب انجام می دادید و در حال مهاجرت به پایتون هستید، احتمال قوی برایتان پیش می آید که بخواهید اطلاعات حاصل از محاسبات متلب را که ذخیره نموده اید، از طریق پایتون باز کرده و محاسبات دیگری را با پایتون بر روی داده ها انجام دهید. در این نوشته باز خوانی اطلاعات ذخیره شده با متلب در پایتون توضیح داده خواهد شد.
اگر از زبان خشک، بی روح و غیر تکنیکی متلب برای شبیه سازی ها و محاسبات علمی و عددیتان خسته شده اید و می خواهید با زبان پایتون که انعطاف پذیری و سرعت بیشتری نسبت به متلب دارد به انجام کارهای شبیه سازیتان بپردازید، پیشنهاد ما برای شما استفاده از کتابخانه NumPy می‌باشد. این کتابخانه در کنار دو کتابخانه SciPy و matplotlib تمام آنچه شما نیاز دارید را در خود دارد. در این نوشته در صد قدم ساده و ابتدایی شروع به یادگیری سریع کار با NumPy خواهیم کرد.
بدون شک اساس پردازش سیگنال دیجیتال تبدیل فوریه و پیاده سازی سریع آن یعنی fft می‌باشد. بسته های نرم افزاری طراحی شده برای محاسبات عددی اکثرا دارای توابع از پیش تعریف شده‌ای برای انجام این کار می‌باشند. یکی از این بسته های نرم افزاری پر طرفدار و کارامد در زبان برنامه نویسی پایتون SciPy می باشد. در این نوشته به معرفی نحوه محاسبه تبدیل فوریه یک سیگنال زمانی در پایتون با استفاده از امکانات کتابخانه SciPy پرداخته می شود.
شبیه سازی سیستم های دینامیکی، بررسی و کنترل آنها بدون حل معادله سیستمی آن بر اساس زمان و پارامترهای وابسته امکان ناپذیر است. محیطهای محاسبات عددی متعددی برای انجام اینکار مثل متلب موجود می باشند که امکانات متنوعی را فراهم آورده اند. زبان برنامه نویسی پایتون با بهره گیری از کتابخانه محاسباتی NumPy و SciPy به ابزار مناسبی برای محاسبات علمی تبدیل شده است. در این نوشته به دنبال حل عددی دسته معادلات دیفرانسیلی با SciPy هستیم.
یکی از مهترین ابزارهای مدل سازی ریاضی که استفاده های متنوعی در علم روز پیدا کرده است گراف می باشد. اگر می خواهید نحوه پیاده سازی گراف در زبان برنامه نویسی پایتون و الگوریتم های مسیر یابی ساده مرتبط با آن را فرابگیرید، این نوشته به شما کمک خواهد کرد. در این نوشته بعد از ساخت گراف با استفاده از شی dictionary به پیاده سازی الگوریتم مسیریابی و کوتاه ترین مسیر پرداخته شده است.
امروزه کمتر کاربردی از تکنولوژی را می توان یافت که از یادگیری ماشین و هوش مصنوعی بهره نگرفته باشد. از شناسایی چهره گرفته تا تشخیص عیب در سیستمهای صنعتی همه و همه با به کارگیری یادگیری ماشین شاهد پیشرفتی غیر قابل وصف بوده اند. ابزارهای زیادی برای پیاده سازی روشهای متداول یادگیری ماشین ارائه شده اند که از میان آنها می توان به کتابخانه Tensorflow گوگل اشاره کرد. از لحاظ راحتی برای شروع کار کتابخانه های توسعه یافته مبنی بر SciPy مثل Scikit-learn کار را بسیار ساده تر می نماید. در این نوشته به معرفی این کتابخانه و امکانات آن پرداخته می شود.
با پیشرفت تکنولوژی، پردازش تصویر تبدیل به جز لاینفک اتوماسیون شده است، چه اتوماسیون اداری و چه اتوماسیون صنعتی. کتابخانه‌های متنوعی برای آماده سازی توابع استاندارد، فیلترهای متداول و الگوریتمهای توسعه داده شده پر کاربرد در پردازش تصویر ارائه شده اند. در این میان شاید بتوان گفت معروف ترین آنها کتابخانه OpenCV باشد. ولی در این نوشته کتابخانه دیگری که مبتنی بر کتابخانه محاسبات علمی NumPy و SciPy می‌باشد یعنی Scikit-Image معرفی می‌گردد.
لیست در پایتون بسیار منعطف است. عناصر لیست می تواند انواع مختلفی داشته باشند، حتی خود یک لیست باشند. در برنامه نویسی بسیار پیش می آید که لیستی از لیست داشته باشیم و بخواهیم آن را بر اساس عنصر خاصی از هر کدام مرتب نماییم. این کار با مشخص کردن پارامتر key با استفاده از lambda امکان پذیر است.