和Matlab不同，Python的科學軟件包由眾多的社區維護和發布，因此要一一將其收集齊安裝到你的電腦里是一件很費時間的事情。幸好這些工作已經有人幫我們整理好了。只需要下載一個文件，一次安裝就能擁有眾多的函數庫可供使用。這里介紹兩個科學計算Python合集的下載和安裝過程。

　　NumPy為Python提供了快速的多維數組處理的能力，而SciPy則在NumPy基礎上添加了眾多的科學計算所需的各種工具包，有了這兩個庫，Python就有幾乎和Matlab一樣的處理數據和計算的能力了。

　　NumPy為Python帶來了真正的多維數組功能，并且提供了豐富的函數庫處理這些數組。它將常用的數學函數都進行數組化，使得這些數學函數能夠直接對數組進行操作，將本來需要在Python級別進行的循環，放到C語言的運算中，明顯地提高了程序的運算速度。

　　SciPy的核心計算部分都是一些久經考驗的Fortran數值計算庫，例如：

　　? 線性代數使用LAPACK庫

　　? 快速傅立葉變換使用FFTPACK庫

　　? 常微分方程求解使用ODEPACK庫

　　? 非線性方程組求解以及最小值求解等使用MINPACK庫

　　標準安裝的Python中用列表（list）保存一組值，可以用來當作數組使用，不過由于列表的元素可以是任何對象，因此列表中所保存的是對象的指針。這樣為了保存一個簡單的［1，2，3］，需要有3個指針和三個整數對象。對于數值運算來說這種結構顯然比較浪費內存和CPU計算時間。此外Python還提供了一個array模塊，array對象和列表不同，它直接保存數值，和C語言的一維數組比較類似。但是由于它不支持多維，也沒有各種運算函數，因此也不適合做數值運算。 NumPy的誕生彌補了這些不足，NumPy提供了兩種基本的對象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray（下文統一稱之為數組）是存儲單一數據類型的多維數組，而ufunc則是能夠對數組進行處理的函數。

?