1.术语
scripting 脚本
scientific computing 科学计算
2.为什么不选Python
Python 是一种解释型编程语言，因此大部分pytnon 代码都要比用编译型语言（如 java 和 C++ ）编写的代码运行慢的多。
由于程序员的时间要比CPU时间值钱。
3.几个重要的库
3.1 Numpy
- Numerical Python 是Python科学计算的基础包，主要功能：
- 快速高效的多维数组对象ndarray；
- 用于对数组执行元素级计算以及直接对数组执行数学运算的函数；
- 用于读写硬盘上基于数组的数据集的工具；
- 线性代数运算、傅里叶变换、以及随机数生成；
- 用于将C 、C++ 、Fortran代码集成到Python的工具。
3.2 pandas
pandas提供了使我们能够快速便捷的处理结构化数据的大量数据结构和函数。其中DataFrame ，是一个面向列（column-oriented）的二维表结构，且含有行标和列标。
3.3 matplorlib
matplorlib 是用于绘制数据图表的Python库。
3.4 IPython
IPython 是 Python 科学计算标准工具集的组成部分，他将所有的东西联系在了一起。他为交互式和探索式计算提供了一个强健而高傲的环境，他是一个增强的Python shell，目的是提高编写。测试、调试Python代码的速度。
3.5 SciPy
SciPy 是一组专门解决科学计算中各种标准问题域的包的集合，主要包括下面这些包：
- scipy.integrate : 数值积分例程和微分方程求解器。
- scipy.linalg:
- scipy.optimize: 函数优化器以及根查找算法
- scipy.signal： 信号处理工具。
- scipy.sparse: 稀疏矩阵和稀疏线性系统求解器
- scipy.special: SPECFUN 的包装器。
- scipy.stats： 标准连续和离散概率分布、各种统计检验方法、以及更好的描述统计法、
- scipy.weave: 利用内联C++ 代码加速数组计算的工具。
numpy 和SciPy 的结合完全可以替代MATLAB的计算功能（包括其插件工具箱）