问题标签 [scientific-computing]

我正在做一些初步工作，以调查 DVCS（如 Git、Hg、Bazar 之类）如何在科学编程过程中提供帮助，尤其是对研究生而言。我认为我在这方面处于非常有利的位置，因为我已经编程了好几年，目前正在开始一个自然科学的硕士课程。目标是在一两个月内对此进行简短的介绍。

在我看来，除了源代码控制的明显优势外，DVCS 目前还为研究生的日常生活提供了以下改进：

1. 分枝：

   这是最大的。从观察 DVCS 实践可以清楚地看出，廉价分支主要鼓励新功能的实验。科学编程就是实验。可以创建不同的分支来调整参数或算法。这一点尤其重要，因为大多数科学代码在他们的一生中都没有看到过一次重构（大多数研究生甚至不知道它是什么），所以去不同分支的能力会给典型的疯狂带来一些方法。快速提交也可能意味着使用提交评论作为实验室笔记本的替代品。计算结果可以标记为特定的提交哈希码，以进行可重复的研究。

2. 推送到服务器：

   由于现在大多数科学代码都在某种集群上运行，因此 DVCS 可以用作某种更高级的 Rsync，许多人已经在使用它来将“生产”代码推送到 HPC 集群。这与分支相结合，无需离开即可轻松运行多个版本的代码

3. 论文合作：

   需要我多说？拥有多个作者的论文的运行方式与小型开源项目完全一样。当作者都用 LaTex 写作时，论文上的协作应该是自然而然的，如果写作是用 Word 之类的东西完成的，则会带来额外的复杂性。这是提交评论可能发挥更大作用的地方。

我的问题是，您认为 DVCS 可以为科学程序员做出什么贡献？我在社区中看到很多关于转向源代码控制的讨论，但大多数人仍在研究 Subversion。从我粗略的笔记来看，听起来 DVCS 应该是新研究生的完美工作流程范例。我的想法有问题吗？或者科学编码只是落后太多，甚至没有听说过DVCS 工具？

有关的：

• 在科学环境中编程的实践

我有一个包含我需要可视化的（事件时间、纬度、经度）的大型元组数据集。我希望生成一个类似于“电影”的 xy 图，但想知道是否有人有更好的主意，或者是否有一种简单的方法可以在 Python 中做到这一点？

提前感谢您的帮助，--Leo

有没有用函数式编程语言制作的严肃的科学数学库？从函数式语言的本质来看，人们会认为它们特别适合数学，但众所周知的算法似乎是程序性的。

例如，经典的数字食谱系列几乎是以程序方式编写的。LAPACK在许多领域几乎是事实上的标准，但它是在 Fortran 中，因此是程序性的，或者可能是 OO，但绝对不是功能性的。

有没有人能够将这些众所周知的程序算法转换为函数式风格？

更新：似乎函数式语言被用于符号计算，例如在 Mathematica 中。但是，是否存在与数值计算和函数算法本质上不兼容的东西？或者仅仅是因为命令式算法恰好是首先发明的，所以没有人费心想出功能等价物？

我正在尝试使用 Qt 为一些科学数据编写一个 OpenGL 可视化程序。我希望能够原封不动地使用我现有的程序，并且能够简单地调用 glwidget 并告诉它在每个时间步结束时更新数据。但是，为了运行 Qt 程序，您似乎必须使用QApplication然后qt.run()阻塞 cpu。

这是伪代码

我意识到我可以将所有现有代码放入 a 中QThread，并让它在连接到更新时发送信号。这样会更容易。有人知道如何解决这个问题吗？

有没有更好的方法来找到哪个X给了我我在 SciPy 中寻找的Y ？我刚开始使用 SciPy，对每个功能都不太熟悉。

我一直在玩弄一些Project Euler问题，自然会遇到很多需要处理大于long long类型数字的问题。我致力于使用 Cocoa 和 Objective-C（我需要在工作中保持敏锐）但找不到一种优雅的方式（阅读：库）来处理这些非常大的数字。

我很想使用 GMP，但听起来像在 Xcode 中使用它是一个完整的伤害世界。

有谁知道任何其他选择？

我编写了一个类，让我可以传入变量类型、变量名、提示和默认值的列表。该类创建了一个 wxPython 面板，该面板显示在一个框架中，允许用户在按下计算按钮之前设置输入值并将结果作为绘图返回。我使用 exec 语句将所有变量添加到类中。这将所有变量放在一个类中，我可以按名称引用它们。

在类中，我使用以下语句创建和设置变量：

当我需要使用变量时，我可以通过名称来引用它们：

然后我读到 SO 很少需要在 Python 中使用 exec 。这种方法有问题吗？有没有更好的方法来创建一个包含应该组合在一起的变量的类，您希望能够编辑，并且还有代码和 wxPython 调用来显示、编辑（以及将所有变量保存到文件中）或再次阅读它们）？

生硬

我很忙！我的大部分时间都花在使用分析技术或课程作业上，当我切换到编程模式时，我需要快速生成代码。因为，只要我能快速获得结果，我所在实验室的主要研究者并不关心我使用的是 TDD 还是算盘。

我读过“TDD by example”，发现它很有帮助。我随后买了《重构：改进现有代码的设计》、《设计模式：可重用的面向对象软件的元素》和《有效地使用遗留代码》，但这些书很大，现在跳入它们的前景令人生畏！

“TDD by example”的对话风格和流程使其很容易融入我的日程安排。但是，我不知道如何在这些其他书中工作以及按什么顺序工作；似乎每个都是相关的（我处于一种餐饮哲学家的僵局 - 我正在等待我的编程工具包的各个方面得到改进，但它们的相互依赖性让我要么陷入僵局，要么浪费时间进行上下文切换 - 抱歉类比:)）。例如，我有需要重构和覆盖测试的遗留代码，我需要使用 TDD 推进（但我从不这样做），我需要使用设计模式进行编码，所以我停止重新发明轮子。

有没有一种好方法可以将这些所需的读取分解为字节大小的块，以及在将他们的技术应用于当前项目时这样做的方法（就个人而言，如果我不能立即应用它，我会丢失信息）？我是否专注于一本书并完成它？我是否首先需要 TDD，然后是重构和设计模式技能（但是“鸡和蛋”所有这些单元测试书籍都在谈论设计模式和重构，就好像我前后了解它们一样）？

我已经阅读了针对初学者的最佳教程，但它没有解释我如何将其整合到繁忙的日程中。而且，我在科学环境中阅读编程，但它再次错过了当你已经落后于时间时如何添加这些技术的标记。

我正在学习 C，并且出现了保护数字和舍入错误的想法。脚本语言的从业者（我在这里想到的是 Python 和 Perl）需要担心这些东西吗？如果他们在做科学编程怎么办？

在为特定学科的科学家设计软件库时，有哪些好的原则？我的意思是化学、物理学、材料科学、显微镜、生物测定、天文学等领域。我不包括涵盖一系列学科或专门数学或用于数据分析。（目前我们中的一些人正在参与建立化学领域的开源库，了解其他领域的经验会很有价值）。

我很欣赏这是一项雄心勃勃的任务，获得资金并不容易，但它对于可重复和可验证的科学变得越来越重要。