有哪些优秀的科学网站和科研软件推荐给研究生_百度知道中国科学院软件研究所的科研条件_百度知道整理下这块的材料。&br&&br&&b&———————————————— matplotlib——————————————————————&/b&&br&&p&matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。&/p&&br&&p&Matplotlib中的pyplot子库提供了和matlab类似的绘图API.&br&&/p&&blockquote&import matplotlib.pyplot as plt
#导入pyplot子库&br&plt.figure(figsize=(8, 4))
#创建一个绘图对象, 并设置对象的宽度和高度, 如果不创建直接调用plot, Matplotlib会直接创建一个绘图对象&br&plt.plot([1, 2, 3, 4])
#此处设置y的坐标为[1, 2, 3, 4], 则x的坐标默认为[0, 1, 2, 3]在绘图对象中进行绘图, 可以设置label, color和linewidth关键字参数&br&plt.ylabel('some numbers')
#给y轴添加标签, 给x轴加标签用xlable&br&plt.title(&hello&);
#给2D图加标题&br&plt.show()
#显示2D图&/blockquote&&img src=&/a25dbd513f85f010fb4e07e6ff57a8a0_b.png& data-rawwidth=&592& data-rawheight=&300& class=&origin_image zh-lightbox-thumb& width=&592& data-original=&/a25dbd513f85f010fb4e07e6ff57a8a0_r.png&&&br&折线图&br&&blockquote&import numpy as np&br&import matplotlib.pyplot as plt &br&x = [0, 1, 2, 4, 5, 6]&br&y = [1, 2, 3, 2, 4, 1]&br&plt.plot(x, y, '-*r')
# 虚线, 星点, 红色&br&plt.xlabel(&x-axis&)&br&plt.ylabel(&y-axis&)&br&plt.show()&/blockquote&&img src=&/d245b2b2c2d33bb0e0cf18_b.png& data-rawwidth=&564& data-rawheight=&464& class=&origin_image zh-lightbox-thumb& width=&564& data-original=&/d245b2b2c2d33bb0e0cf18_r.png&&多线图&br&&blockquote&import numpy as np&br&import matplotlib.pyplot as plt &br&x = [0, 1, 2, 4, 5, 6]&br&y = [1, 2, 3, 2, 4, 1]&br&z = [1, 2, 3, 4, 5, 6]&br&plt.plot(x, y, '--*r', x, z, '-.+g')&br&plt.xlabel(&x-axis&)&br&plt.ylabel(&y-axis&)&br&plt.title(&hello world&)&br&plt.show()&/blockquote&&img src=&/d7ef285e0b4f2_b.png& data-rawwidth=&557& data-rawheight=&444& class=&origin_image zh-lightbox-thumb& width=&557& data-original=&/d7ef285e0b4f2_r.png&&&br&柱状图&br&&blockquote&import numpy as np&br&import matplotlib.pyplot as plt &br&x = [0, 1, 2, 4, 5, 6]&br&y = [1, 2, 3, 2, 4, 1]&br&z = [1, 2, 3, 4, 5, 6]&br&plt.bar(x, y)&br&plt.xlabel(&x-axis&)&br&plt.ylabel(&y-axis&)&br&plt.show()&/blockquote&&img src=&/87cfc6f17a5_b.png& data-rawwidth=&544& data-rawheight=&444& class=&origin_image zh-lightbox-thumb& width=&544& data-original=&/87cfc6f17a5_r.png&&&br&子图&br&&blockquote&import numpy as np&br&import matplotlib.pyplot as plt &br&x = [0, 1, 2, 4, 5, 6]&br&y = [1, 2, 3, 2, 4, 1]&br&z = [1, 2, 3, 4, 5, 6]&br&plt.figure(1)&br&plt.subplot(211)&br&plt.plot(x, y, '-+b')&br&plt.subplot(212)&br&plt.plot(x, z, '-.*r')&br&plt.show()&/blockquote&&img src=&/e38a84d8ccae6be_b.png& data-rawwidth=&544& data-rawheight=&425& class=&origin_image zh-lightbox-thumb& width=&544& data-original=&/e38a84d8ccae6be_r.png&&文本添加&br&&blockquote&import numpy as np&br&import matplotlib.pyplot as plt &br&x = [0, 1, 2, 4, 5, 6]&br&y = [1, 2, 3, 2, 4, 1]&br&plt.plot(x, y, '-.*r') &br&plt.text(1, 2, &I'm a text&)
//前两个参数表示文本坐标, 第三个参数为要添加的文本&br&plt.show()&/blockquote&&img src=&/0c566e95c86ecd97cdb0ce6320bee72e_b.png& data-rawwidth=&549& data-rawheight=&427& class=&origin_image zh-lightbox-thumb& width=&549& data-original=&/0c566e95c86ecd97cdb0ce6320bee72e_r.png&&图例简介&br&&blockquote&import numpy as np&br&import matplotlib.pyplot as plt &br&line1, = plt.plot([1, 2, 3])&br&line2, = plt.plot([3, 2, 1], '--b')&br&plt.legend((line1, line2), ('line1', 'line2'))&br&plt.show()&/blockquote&&img src=&/32eb9c0c0d6f02b6e7e47522a5fda9a6_b.png& data-rawwidth=&540& data-rawheight=&414& class=&origin_image zh-lightbox-thumb& width=&540& data-original=&/32eb9c0c0d6f02b6e7e47522a5fda9a6_r.png&&&br&&br&&b&———————————————— numpy——————————————————————&/b&&br&NumPy提供了大量的数值编程工具，可以方便地处理向量、矩阵等运算，极大地便利了人们在科学计算方面的工作。另一方面，Python是免费，相比于花费高额的费用使用Matlab，NumPy的出现使Python得到了更多人的青睐。&br&&br&&p&初窥NumPy对象：数组&/p&&p&NumPy中的基本对象是同类型的多维数组（homogeneous multidimensional array），这和C++中的数组是一致的，例如字符型和数值型就不可共存于同一个数组中。先上例子：&/p&&blockquote&&p&import numpy as np&/p&&p&a=np.arange(20)&/p&&p&print a&/p&&/blockquote&&img src=&/d4adc5863921dbea5f206_b.png& data-rawwidth=&435& data-rawheight=&53& class=&origin_image zh-lightbox-thumb& width=&435& data-original=&/d4adc5863921dbea5f206_r.png&&可以通过&type&函数查看a的类型，这里显示a是一个array：&br&&blockquote&&p&type(a)&/p&&/blockquote&&p&&type 'numpy.ndarray'&&/p&&br&&p&通过函数&reshape&，我们可以重新构造一下这个数组，例如，我们可以构造一个4*5的二维数组，其中&reshape&的参数表示各维度的大小，且按各维顺序排列（两维时就是按行排列，这和R中按列是不同的）：&br&&/p&&blockquote&&p&a = a.reshape(4, 5)&/p&&p&print a&/p&&/blockquote&&p&[[ 0
4]&/p&&p& [ 5
9]&/p&&p& [10 11 12 13 14]&/p&&p& [15 16 17 18 19]]&/p&&br&&p&既然a是array，我们还可以调用array的函数进一步查看a的相关属性：&ndim&查看维度；&shape&查看各维度的大小；&size&查看全部的元素个数，等于各维度大小的乘积；&dtype&可查看元素类型；&dsize&查看元素占位（bytes）大小。&br&&/p&&br&&img src=&/d793cefaa1aa_b.png& data-rawwidth=&125& data-rawheight=&112& class=&content_image& width=&125&&&br&[0, 1)区间的随机数数组：&br&&img src=&/dcfa9e3e6abd15bada13fcb_b.png& data-rawwidth=&512& data-rawheight=&44& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/dcfa9e3e6abd15bada13fcb_r.png&&&br&&p&数组操作&/p&&p&简单的四则运算已经重载过了，全部的'+'，'-'，'*'，'/'运算都是基于全部的数组元素的，以加法为例：&/p&&blockquote&&p&a = np.array([[1.0, 2], [2, 4]])&/p&&p&print &a:&&/p&&p&print a&/p&&p&b = np.array([[3.2, 1.5], [2.5, 4]])&/p&&p&print &b:&&/p&&p&print b&/p&&p&print &a+b:&&/p&&p&print a+b&/p&&/blockquote&&img src=&/30f7a02facd_b.png& data-rawwidth=&302& data-rawheight=&237& class=&content_image& width=&302&&需要知道二维数组的最大最小值怎么办？想计算全部元素的和、按行求和、按列求和怎么办？for循环吗？不，NumPy的ndarray类已经做好函数了：&br&&blockquote&a = np.arange(20).reshape(4,5)&br&print &a:&&br&print a&br&print &sum of all elements in a: & + str(a.sum())&br&print &maximum element in a: & + str(a.max())&br&print &minimum element in a: & + str(a.min())&br&print &maximum element in each row of a: & + str(a.max(axis=1))&br&print &minimum element in each column of a: & + str(a.min(axis=0))&/blockquote&&img src=&/2ec098c4dccec8b9812355dab4842d7c_b.png& data-rawwidth=&492& data-rawheight=&140& class=&origin_image zh-lightbox-thumb& width=&492& data-original=&/2ec098c4dccec8b9812355dab4842d7c_r.png&&数组和矩阵元素的访问可通过下标进行，以下均以二维数组（或矩阵）为例：&br&&blockquote&a = np.array([[3.2, 1.5], [2.5, 4]])&br&print a[0][1]&br&print a[0, 1]&/blockquote&&img src=&/2ae7d8f6f47e4fd4fbfdf_b.png& data-rawwidth=&326& data-rawheight=&69& class=&content_image& width=&326&&可使用where函数查找特定值在数组中的位置：&br&&blockquote&loc = numpy.where(a==11)&br&print loc&br&print a[loc[0][0], loc[1][0]]&/blockquote&&img src=&/b50bc6f698152fff6110_b.png& data-rawwidth=&240& data-rawheight=&43& class=&content_image& width=&240&&数组操作&br&&blockquote&a = np.random.rand(2,4)&br&print &a:&&br&print a&br&a = np.transpose(a)&br&print &a is an array, by using transpose(a):&&br&print a&br&b = np.random.rand(2,4)&br&b = np.mat(b)&br&print &b:&&br&print b&br&print &b is a matrix, by using b.T:&&br&print b.T&/blockquote&&img src=&/11a2ad0ac3ffb_b.png& data-rawwidth=&378& data-rawheight=&307& class=&content_image& width=&378&&&br&numpy函数更多可以参考&a href=&///?target=http%3A//scipy.github.io/old-wiki/pages/Numpy_Example_List& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Numpy_Example_List&i class=&icon-external&&&/i&&/a&&br&&b&———————————————— scipy——————————————————————&/b&&br&numpy替我们搞定了向量和矩阵的相关操作，基本上算是一个高级的科学计算器。scipy基于numpy提供了更为丰富和高级的功能扩展，在统计、优化、插值、数值积分、时频转换等方面提供了大量的可用函数，基本覆盖了基础科学计算相关的问题。&br&&br&导入模块&br&&blockquote&import numpy as np&br&import scipy.stats as stats&br&import scipy.optimize as opt&/blockquote&&p&生成随机数&/p&&p&我们从生成随机数开始，这样方便后面的介绍。生成n个随机数可用rv_continuous.rvs(size=n)或rv_discrete.rvs(size=n)，其中rv_continuous表示连续型的随机分布，如均匀分布（uniform）、正态分布（norm）、贝塔分布（beta）等；rv_discrete表示离散型的随机分布，如伯努利分布（bernoulli）、几何分布（geom）、泊松分布（poisson）等。我们生成10个[0, 1]区间上的随机数和10个服从参数a=4，b=2的贝塔分布随机数：&/p&&br&&blockquote&rv_unif = stats.uniform.rvs(size=10)&br&print rv_unif&br&rv_beta = stats.beta.rvs(size=10, a=4, b=2)&br&print rv_beta&/blockquote&&img src=&/23d619abc08ea589bcdaeddf4a7c8c69_b.png& data-rawwidth=&509& data-rawheight=&150& class=&origin_image zh-lightbox-thumb& width=&509& data-original=&/23d619abc08ea589bcdaeddf4a7c8c69_r.png&&更多操作参考&a href=&///?target=https%3A//uqer.io/community/share/54d83bb3f9f06c276f651a6e& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优矿&i class=&icon-external&&&/i&&/a&&br&&br&&b&———————————————— pandas——————————————————————&/b&&br&&p&在处理实际的金融数据时，一个条数据通常包含了多种类型的数据，例如，股票的代码是字符串，收盘价是浮点型，而成交量是整型等。在C++中可以实现为一个给定结构体作为单元的容器，如向量（vector，C++中的特定数据结构）。在Python中，pandas包含了高级的数据结构Series和DataFrame，使得在Python中处理数据变得非常方便、快速和简单。&/p&&br&&br&&blockquote&import numpy as np&br&from pandas import Series, DataFrame&/blockquote&具体案例和操作参考文献：&br&&a href=&///?target=http%3A//pandas.pydata.org/pandas-docs/version/0.14.1/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&pandas: powerful Python data analysis toolkit&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=https%3A//uqer.io/community/share/54ffd96ef9f06c276f651aac& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优矿&i class=&icon-external&&&/i&&/a&
整理下这块的材料。 ———————————————— matplotlib—————————————————————— matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，…
首先，下载一个 anaconda，这是一个 Python 发行版，你需要用到的关于科学计算、数据处理的东西基本上都有了。&br&然后，去图书馆借一本《用 Python 做科学计算》忽略掉环境配置的部分，把里边关于 numpy 和 matplotlib 的内容看了。其他的部分根据自己需要选择阅读。一般来说每一个科学计算的库会自成一套体系，但是绝大多数都会基于 numpy，所以 numpy 必须学会。但是你也不用每个模块都用过，知道常用的函数和 numpy 的设计模式就好。matplotlib 是绝大多数绘图库的基础库，所以也绕不过去。&br&再然后，打开你需要的库的官网比如 pandas，一般都会有 getting started，先看完上个手。然后直接看 User Guide 或者 Tutorial。&br&&br&之后根据自己的需求定向学习就好。每个第三方库都有自己内在的设计逻辑，比如 sklearn 就是围绕着 fit 和 predict 两个函数来做的，默认行向量是样本啦 pipline 啊之类的。pandas 核心就是 DataFrame 即就是带有 index 的 numpy 数组等等。学习一个库，重要的就是要学习这个库的内在的设计逻辑，这些一般都在 document 或者 User Guide 里边提了。并不需要每个功能/函数都记住，大致知道他有某方面的功能就好了，当你有某个功能的需求的时候猜一下然后直接 Google 就好。&br&&br&比如我想求一个线性方程组的解，知道了内在逻辑闭上眼睛猜一下也知道这个函数不在 scipy 中就在 numpy 中，于是 Google 一下：solve linear equation numpy，第一条就是：&br&&img src=&/38cfe39bf5a_b.png& data-rawwidth=&663& data-rawheight=&259& class=&origin_image zh-lightbox-thumb& width=&663& data-original=&/38cfe39bf5a_r.png&&再比如，我想要合并两个 pandas 的表。闭上眼睛也知道 pandas 肯定有这个功能，数据库里边学过类似的操作叫做 Join，所以就 Google 一下：&br&&img src=&/aa838cfe6f_b.png& data-rawwidth=&667& data-rawheight=&355& class=&origin_image zh-lightbox-thumb& width=&667& data-original=&/aa838cfe6f_r.png&&看第二条结果，直接就是三个解决方案，读一读对比一下就好。&br&&br&常用的函数查两遍之后你也就背下了，这样过一段时间的使用后基本上你就熟练了。对某个库有兴趣想要深入的话可以直接去看他的源代码。就酱紫，这就是所谓的系统方法~
首先，下载一个 anaconda，这是一个 Python 发行版，你需要用到的关于科学计算、数据处理的东西基本上都有了。 然后，去图书馆借一本《用 Python 做科学计算》忽略掉环境配置的部分，把里边关于 numpy 和 matplotlib 的内容看了。其他的部分根据自己需要选…
--------------------&br&Update: 2/20&br&--------------------&br&这些天在和&a data-hash=&9a3c8f80aaafcba81bf21d4& href=&///people/9a3c8f80aaafcba81bf21d4& class=&member_mention& data-editable=&true& data-title=&@万隽舒& data-hovercard=&p$b$9a3c8f80aaafcba81bf21d4&&@万隽舒&/a&一起翻译这份文档，戳&a href=&///?target=http%3A///& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a& ，水平有限，不足之处还望指正。有兴趣的朋友可以一起来，详情见&a href=&///?target=https%3A///jayleicn/scipy-lecture-notes-zh-CN& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GitHub - jayleicn/scipy-lecture-notes-zh-CN: 中文版scipy-lecture-notes.&i class=&icon-external&&&/i&&/a&&br&&br&当然，还是推荐大家阅读英文原版。&br&&br&&br&--------------------&br&以下原文&br&--------------------&br&推荐一个很用心的教程 &a href=&///?target=http%3A//www.scipy-lectures.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Scipy Lecture Notes&i class=&icon-external&&&/i&&/a&&br&&br&&blockquote&One document to learn numerics, science, and data with Python&br&&/blockquote&----------------------------------------------&br&这份教程由易到难分为三个层次 &br&&br&&ol&&li&Numpy, Matplotlib, Scipy的入门以及如何利用官方的doc查询函数的用法；&/li&&li&Numpy, Scipy的高级用法，常用的几个数据处理方法，以及Python和C/C++的混合编程；&/li&&li&其它常用数据处理/机器学习库Sympy, Scikit-image, Mayavi, Scikit-learn的入门及应用。&/li&&/ol&从内容上来说与题主要求完美契合，同时也涉及到了许多相关的库和技巧。&br&&br&&br&&br&----------------------------------------------&br&什么？ 嫌在线看教程不方便？ &br&&br&在网站主页的右上角，提供了离线教程的下载链接。 不仅有和在线版完全一致HTML版的离线教程，也有两个PDF版本可以选择! 不得不说是业界良心。 另外所有教程的源码都是可以在GitHub下载到的。&br&&img src=&/44f19f5d849cd359c509_b.png& data-rawwidth=&779& data-rawheight=&409& class=&origin_image zh-lightbox-thumb& width=&779& data-original=&/44f19f5d849cd359c509_r.png&&&br&&br&最后，答主也同样是本科生，目前在漫漫的数据处理入门阶段。即为同行者,望共勉之！ 希望对题主有帮助。&br&&br&----------------------------------------------&br&附上教程目录&br&&ul&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/intro/index.html& target=&_blank& rel=&nofollow noreferrer&&1. Getting started with Python for science&i class=&icon-external&&&/i&&/a&&ul&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/intro/intro.html& target=&_blank& rel=&nofollow noreferrer&&1.1. Scientific computing with tools and workflow&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/intro/language/python_language.html& target=&_blank& rel=&nofollow noreferrer&&1.2. The Python language&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/intro/numpy/index.html& target=&_blank& rel=&nofollow noreferrer&&1.3. NumPy: creating and manipulating numerical data&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/intro/matplotlib/matplotlib.html& target=&_blank& rel=&nofollow noreferrer&&1.4. Matplotlib: plotting&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/intro/scipy.html& target=&_blank& rel=&nofollow noreferrer&&1.5. Scipy : high-level scientific computing&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/intro/help/help.html& target=&_blank& rel=&nofollow noreferrer&&1.6. Getting help and finding documentation&i class=&icon-external&&&/i&&/a&&/li&&/ul&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/index.html& target=&_blank& rel=&nofollow noreferrer&&2. Advanced topics&i class=&icon-external&&&/i&&/a&&ul&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/advanced_python/index.html& target=&_blank& rel=&nofollow noreferrer&&2.1. Advanced Python Constructs&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/advanced_numpy/index.html& target=&_blank& rel=&nofollow noreferrer&&2.2. Advanced Numpy&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/debugging/index.html& target=&_blank& rel=&nofollow noreferrer&&2.3. Debugging code&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/optimizing/index.html& target=&_blank& rel=&nofollow noreferrer&&2.4. Optimizing code&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/scipy_sparse/index.html& target=&_blank& rel=&nofollow noreferrer&&2.5. Sparse Matrices in SciPy&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/image_processing/index.html& target=&_blank& rel=&nofollow noreferrer&&2.6. Image manipulation and processing using Numpy and Scipy&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/mathematical_optimization/index.html& target=&_blank& rel=&nofollow noreferrer&&2.7. Mathematical optimization: finding minima of functions&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/advanced/interfacing_with_c/interfacing_with_c.html& target=&_blank& rel=&nofollow noreferrer&&2.8. Interfacing with C&i class=&icon-external&&&/i&&/a&&/li&&/ul&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/packages/index.html& target=&_blank& rel=&nofollow noreferrer&&3. Packages and applications&i class=&icon-external&&&/i&&/a&&ul&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/packages/statistics/index.html& target=&_blank& rel=&nofollow noreferrer&&3.1. Statistics in Python&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/packages/sympy.html& target=&_blank& rel=&nofollow noreferrer&&3.2. Sympy : Symbolic Mathematics in Python&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/packages/scikit-image/index.html& target=&_blank& rel=&nofollow noreferrer&&3.3. Scikit-image: image processing&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/packages/traits/index.html& target=&_blank& rel=&nofollow noreferrer&&3.4. Traits: building interactive dialogs&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/packages/3d_plotting/index.html& target=&_blank& rel=&nofollow noreferrer&&3.5. 3D plotting with Mayavi&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//www.scipy-lectures.org/packages/scikit-learn/index.html& target=&_blank& rel=&nofollow noreferrer&&3.6. scikit-learn: machine learning in Python&i class=&icon-external&&&/i&&/a&&/li&&/ul&&/li&&/ul&
-------------------- Update: 2/20 -------------------- 这些天在和一起翻译这份文档，戳 ，水平有限，不足之处还望指正。有兴趣的朋友可以一起来，详情见
Dataquest（&a href=&///?target=https%3A//www.dataquest.io/courses& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&dataquest.io/courses&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&）这个网站上提供了一系列和数据分析相关的python教程，从python基本语法到data analysis的基本函数，到PANDAS包的使用方法，到machine learning里常用的Python指令，甚至还有手把手教你玩Kaggle，简直不能更贴心~当然这个只是入门级教程，高级技巧就一点点的在实战项目里积累吧~&br&&img src=&/00fb373ed5c75f07f346cd9b9ff54b93_b.png& data-rawwidth=&1091& data-rawheight=&1019& class=&origin_image zh-lightbox-thumb& width=&1091& data-original=&/00fb373ed5c75f07f346cd9b9ff54b93_r.png&&&br&再补充一个coursera上的python课程，&a href=&///?target=https%3A//www.coursera.org/learn/hipython/home/welcome& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&coursera.org/learn/hipy&/span&&span class=&invisible&&thon/home/welcome&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&，&br&用Python玩转数据，by Nanjing University，也非常方便贴心，而且是中文教程，老师讲的也很风趣幽默~&br&&img src=&/abb1c6b48b7bd5f944ca_b.png& data-rawwidth=&287& data-rawheight=&257& class=&content_image& width=&287&&&br&&img src=&/429be83cbfebac_b.png& data-rawwidth=&547& data-rawheight=&661& class=&origin_image zh-lightbox-thumb& width=&547& data-original=&/429be83cbfebac_r.png&&&br&&br&Last one, for those who are interested in machine learning and data-mining, &br&&a href=&///?target=https%3A//generalassemb.ly/education/data-science/washington-dc/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Data Science Course&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=https%3A///justmarkham/DAT4& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GitHub - justmarkham/DAT4: General Assembly's Data Science course in Washington, DC&i class=&icon-external&&&/i&&/a&&br&You got all the python codes to play with and a very detailed tutorial to understand the material. And it's free!
Dataquest（）这个网站上提供了一系列和数据分析相关的python教程，从python基本语法到data analysis的基本函数，到PANDAS包的使用方法，到machine learning里常用的Python指令，甚至还有手把手教你玩Kaggle，简直不能更贴心~当然这个…
建议读两本书：&br&&br&1、&a href=&///?target=http%3A///subject/3288908/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&集体智慧编程 (豆瓣)&i class=&icon-external&&&/i&&/a&&br&因为Python是一门不需要花太多精力（甚至可以说很少），就可以基本掌握的一门语言，所以推荐这本书。题主提到以后想学机器学习，这是一本非常好的入门书，书中的例子源码都是Python实现的，并且能帮你迅速熟悉Python相关的各种计算库。&br&&br&2、&a href=&///?target=http%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&统计学习方法 (豆瓣)&i class=&icon-external&&&/i&&/a&&br&考虑到题主要学得踏实，这本书深入浅出地讲了和机器学习有关的一切数学基础知识，一整本的干货，没有废话，非常值得一读。题主数学专业的话，读起来应该会比我更顺畅。&br&&br&&b&前景非常好，这两本书让我的年薪提升了不少，而且不会是死搬砖的工作。&/b&
建议读两本书： 1、 因为Python是一门不需要花太多精力（甚至可以说很少），就可以基本掌握的一门语言，所以推荐这本书。题主提到以后想学机器学习，这是一本非常好的入门书，书中的例子源码都是Python实现的，并且能帮你迅速熟悉Python…
&i&才发现，本回答收藏数是点赞数的3倍多……你们为何不顺手再点个赞(╯‵□′)╯︵┻━┻&/i&&br&&i&&b&&u&光收藏不动手是学不好编程滴！！！&/u&&/b&&/i&&br&&br&[更新 ] 整理了零基础python入门教程系列，并提供在线写代码的功能：&br&&a href=&///?target=http%3A///home/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Crossin的编程教室 - 编程世界的新手村&i class=&icon-external&&&/i&&/a&&br&欢迎来玩。&br&&br&－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－&br&&br&其实python非常适合初学者入门。相比较其他不少主流编程语言，有更好的可读性，因此上手相对容易。自带的各种模块加上丰富的第三方模块，免去了很多“重复造轮子”的工作，可以更快地写出东西。配置开发环境也不是很复杂，mac和linux都内置了python。另外据我所知，不少学校也开始使用python来教授程序设计课程（比如本人的母校）。&br&&br&我就是完全通过网上资源自学python的。&br&从在校时候用python接活赚零花钱，到在创业公司用python开发商业网站和游戏后台。所有遇到的问题，几乎都可以从互联网上的公开资源找到答案。&br&&br&关于自学python，个人最大的3点经验：&br&&ol&&li&找一本浅显易懂，例程比较好的教程，&b&从头到尾看下去&/b&。不要看很多本，专注于一本。&b&把里面的例程都手打一遍&/b&，搞懂为什么。我当时看的是《简明python教程》，不过这本书不是非常适合零基础初学者。&br&&/li&&li&去找一个&b&实际项目练手&/b&。我当时是因为要做一个网站，不得已要学python。这种条件下的效果比你平时学一门新语言要好很多。所以最好是要有真实的项目做。可以找几个同学一起做个网站之类。注意，真实项目不一定非要是商业项目，你写一个只是自己会用的博客网站也是真实项目，关键是要核心功能完整。&br&&/li&&li&最好能找到一个已经会python的人。问他一点&b&学习规划的建议&/b&（上知乎也是个途径），然后在遇到卡壳的地方找他指点。这样会事半功倍。但是，要学会搜索，学会如何更好地提问。没人愿意帮你写作业或是回答“一搜便知”的问题。&/li&&/ol&&br&然而，别人的经验未必能完全复制。比如我没有说的是，在自学python之前，我已在学校系统学习过其他的编程语言。&br&对于完全没有编程经验的初学者，在学习python的时候，面对的不仅仅是python这门语言，还需要面临“编程”的一些普遍问题，比如：&br&&ul&&li&从零开始，不知道从何入手，找了本编程教材发现第二章开始就看不懂了&/li&&li&缺少计算机基础知识，被一些教程略过的“常识性”问题卡住&/li&&li&遇到问题不知道怎么寻找解决方案&/li&&li&看懂语法之后不知道拿来做什么，学完一阵子就又忘了&/li&&li&缺少数据结构、设计模式等编程基础知识，只能写出小的程序片段&/li&&/ul&所以除了前面说的3点经验，给初学编程者的额外建议：&br&&ul&&li&首先&b&要有信心&/b&。虽然可能你看了几个小时也没在屏幕上打出一个三角形，或者压根儿就没能把程序运行起来。但相信我，几乎所有程序员一开始都是这么折腾过来的。&/li&&li&选择&b&合适的教程&/b&。有些书很经典，但未必适合你，可能你写了上万行代码之后再看它会比较好。&/li&&li&&b&写代码&/b&，然后&b&写更多的代码&/b&。光看教程，编不出程序。从书上的例程开始写，再写小程序片段，然后写完整的项目。&/li&&li&除了学习编程语言，也兼顾补一点&b&计算机基础&/b&，和&b&英语&/b&。&/li&&li&不但要学写代码，还要学会&b&看代码&/b&，更要会&b&调试代码&/b&。读懂你自己程序的报错信息。再去找些github上的程序，读懂别人的代码。&/li&&li&学会查官方文档，用好搜索引擎和开发者社区。&/li&&/ul&&br&推荐几个网上的资源：&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&简明Python教程&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&与孩子一起学编程&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Head First Python 中文版&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&笨办法学Python&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Dive.Into.Python中文版(附课程源码)&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python核心编程&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入理解Python&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python标准库&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python编程指南&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///share/link%3Fshareid%3D%26uk%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&django_book中文版&i class=&icon-external&&&/i&&/a&&br&（解压密码均为：&a href=&///?target=http%3A//crossin.me& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&crossin.me&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&）&br&&br&在线教程：&br&&a href=&///?target=http%3A///abyteofpython_cn/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&简明 Python 教程&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///docs/diveintopythonzh-cn-5.4b/html/toc/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Dive Into Python 中文版&i class=&icon-external&&&/i&&/a&&br&&br&以下喂自己袋盐：&br&现在有很多人都想学一点编程，但是直接看教程又有点太难下手。&br&之前有几个朋友都问我能不能指导他们一下入门学个语言，于是我就弄了个微信公众号“Crossin的编程教室”（微信号crossincode，有个同名的山寨号，不要加错了）。每天讲一点点很简单的内容。如果有0基础想入门的新手，不如来跟着看看，欢迎加入我们共同学习的队伍。&br&&br&----------------&br&&i&更新&/i&&br&基础内容早已讲得差不多了，现在整理成了系列教程，可在公众号里阅读。定期推送一些专题，比如查天气预报、搭建网站、数据采集之类的小项目，还有编程相关的知识和经验文章。也可以直接访问： &a href=&///?target=http%3A///home/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Crossin的编程教室 - 编程世界的新手村&i class=&icon-external&&&/i&&/a&&br&----------------&br&&i&更新&/i&&br&开通了知乎专栏：&br&&a href=&/crossin& class=&internal&&Crossin的编程教室&/a&&br&主要发一些编程入门和科普向的文章： &br&&a class=&internal& href=&/p/&&编程初学者如何使用搜索引擎&/a&&br&&a class=&internal& href=&/p/&&如何安装 Python 的第三方模块&/a&&br&&a class=&internal& href=&/p/&&如何直观地理解程序的运行过程？&/a&&br&内容不断更新中...&br&&br&&img src=&/5b58c0ecafdc5d85c857_b.jpg& data-rawwidth=&258& data-rawheight=&258& class=&content_image& width=&258&&
才发现，本回答收藏数是点赞数的3倍多……你们为何不顺手再点个赞(╯‵□′)╯︵┻━┻ 光收藏不动手是学不好编程滴！！！ [更新 ] 整理了零基础python入门教程系列，并提供在线写代码的功能：
欢迎来玩。 …
我发现现有的回答基本没有我常用的软件，这可能是学科不同的问题。所以我也分享一下去自己常用的东西。选择的软件或网站主要基于两个标准，一个是软件开源，自由而且免费。开源软件运动的精神一向和学术精神一脉相承。免费对于学生或者节省科研经费来说也很重要。即使是使用盗版有时候也不见得有开源的软件舒心，找比较好的破解版有时候蛮困难的。而且开源软件一般都是跨平台的，很多商用软件对于linux支持都不是很好，下盗版也要在windows上面用。另一个是软件主要用于理工科英文论文写作。&br&&br&#&b&论文写作&/b&&br&&br&&br&## &b&LyX&/b&&a href=&///?target=http%3A//www.lyx.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&LyX | LyX – The Document Processor&i class=&icon-external&&&/i&&/a&&br&&br&这是一个论文写作神器。对于理工科来说，很多时候必须使用LaTeX来进行论文写作。因为Word至今在科技文写作上面支持都不是很好，而且排版本身没有LaTeX好看。在英文断行的算法上面就差太多了。但是对于大部分人都会使用Word这种所见即所得的排版软件，而LaTeX作为一种标记式语言型，其学习曲线很陡。LyX就是一款基于LaTeX的所见即所得的排版软件，而且对于公式编辑极其快捷简便，支持对于LaTeX的实时转换，不用向word那样点来点去，同时也不会像纯LaTeX那样经常大括号无法匹配。熟悉Word的人可以很快上手。最后文档可以生成PDF以及LaTeX源码。下面的图可以看出LyX可以很好支持交叉引用，这点Word有一点点麻烦。&img src=&/9c898cb2d9eae909c00b9f_b.png& data-rawwidth=&450& data-rawheight=&366& class=&origin_image zh-lightbox-thumb& width=&450& data-original=&/9c898cb2d9eae909c00b9f_r.png&&LyX使用LaTeX作为底层，所以可以和BibTeX无缝接轨。同时最好的用处是可以直接在电脑上推演公式，每一步之间只要复制粘贴就好，还可以免去我这种字迹凌乱人士抄错的可能。而且其公式复制之后粘贴出来的是LaTeX，可以直接放在别的LaTeX文档里。我现在很多公式都用LyX写完，再粘贴到LaTeX文档里。&br&商业软件里比较类似是Scientific WorkPlace，有一些人也提到过。但是在文档书写，设置灵活度方面还是LyX更好。&br&&br&## &b&TeXStudio&/b&&a href=&///?target=http%3A//texstudio.org/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&texstudio.org/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&LyX 有一个问题是不支持对于LaTeX源码直接修改，这和其设计哲学有关系。所以有时候我们还是需要对于源码直接编辑。我导师不用LyX，直接在源码上修改。所以和其合写论文，还是需要一款LaTeX IDE的。&br&&br&Stackoverflow上对于LaTeX IDE有个特别好的问题：&a href=&///?target=http%3A///questions/339/latex-editors-ides& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&big list - LaTeX Editors/IDEs&i class=&icon-external&&&/i&&/a&。排名第一的是Emacs+AuCTeX。 这个我试用过，绝对是最好的，但是Emacs这东西太难掌握了，对于大部分人我还是推荐排名仅次于Emacs和Vim的TeXStudio（或者其起源版本TeXmaker）。有个老外叫这个最完全的LaTeX编辑软件。它也有一个特别好的功能就是可以从生成的PDF直接定位回LaTeX源码的位置，修改论文实在太好用了。大部分文字编辑器的功能其都用，包括最重要的命令自动补齐和代码高亮。&img src=&/0a0b2edfd62dddf9b08bb3a59af9e9d4_b.png& data-rawwidth=&640& data-rawheight=&480& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/0a0b2edfd62dddf9b08bb3a59af9e9d4_r.png&&&img src=&/011a45fb35cffec228615_b.png& data-rawwidth=&640& data-rawheight=&480& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/011a45fb35cffec228615_r.png&&&br&# &b&文献管理&/b&&br&&br&&br&既然写论文，文献管理也是很重要的，下面就介绍几个文献管理软件。&br&&br&## &b&JabRef&/b&&a href=&///?target=http%3A//jabref.sourceforge.net/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&jabref.sourceforge.net/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&既然使用LaTeX，自然也离不开BIBTeX。但是编写BIBTeX有时候很麻烦。JabRef是我见过最好的写BIBTeX的图形操作界面。这个软件直接编写bib文档，不用再作进一步导入导出。每个项目都是一个个表格只要填表就好。JabRef可以自动按照“作者年份”的格式生成key。非常方便。而且可以和Google Scholar联网，来检索文献。这个作为开源软件和上面的LyX和TeXStudio都是无缝衔接。有一个功能可以直接把文献插入到上面两个软件的编辑界面里。&br&下图为编辑界面。&br&&img src=&/46374fdc7ca7e25ce8cd_b.png& data-rawwidth=&886& data-rawheight=&678& class=&origin_image zh-lightbox-thumb& width=&886& data-original=&/46374fdc7ca7e25ce8cd_r.png&&这个是显示文献的界面。&img src=&/6e1fe659bb931313bbfb962_b.png& data-rawwidth=&887& data-rawheight=&677& class=&origin_image zh-lightbox-thumb& width=&887& data-original=&/6e1fe659bb931313bbfb962_r.png&&## Mendeley &a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Free reference manager and PDF organizer&i class=&icon-external&&&/i&&/a&&br&&br&当然平常还是要有更好的文献管理软件，尤其在PDF大行其道的情况下，对于PDF文档的管理也很重要。&br&&br&主流的三大文献管理软件EndNote， Mendeley和Zetoro里，Mendeley对于PDF支持的最好，也是其主打功能。可以在PDF里进行搜索，自动检索PDF信息来生成文献信息。还可以到处BIBTeX，非常好用。而且其也是免费的开源项目。同时其加入了社交和分享功能，所有文献信息都可以同步在其提供的云服务里，可以和合作者分享。当然要是要更大的空间需要付费，但对于普通的用户来说一般都足够了。本着移动互联网时代的精神，这个还有在线，IOS和安卓的版本，但主要偏重于社交功能，就不赘述了。&img src=&/b620922ecf4470dda054cd3fa6b47e7b_b.jpg& data-rawwidth=&591& data-rawheight=&468& class=&origin_image zh-lightbox-thumb& width=&591& data-original=&/b620922ecf4470dda054cd3fa6b47e7b_r.jpg&&&br&## &b&其他&/b&&br&&br&&br&文献管理还有一些其他的软件，但综合起来没有上面介绍的好。比如ReadCube，Qiqqa，Docear，RefME。有兴趣可以自己搜索一下，这里就不一一赘述了。&br&&br&# &b&科学计算&/b&&br&&br&&br&不太清楚为什么很多人回答SPSS，可能是因为是做生物或者社科的。毕竟SPSS以前是Statistical Packages for Social Science。但我从来没见过做统计的用SPSS，SPSS的文档式输出结果不利于进一步数据分析。所以还是推荐一些别东西。&br&&br&## &b&RStudio &/b&&b&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RStudio&i class=&icon-external&&&/i&&/a&&/b&&br&&br&&br&RStudio 准确来说是R语言的一个IDE。R语言在学术界和业界有广泛应用，CRAN可以确保最新的技术和学术成果可以直接应用于R语言。但R原生编辑界面要多烂有多烂。所以我们需要RStudio。&br&&br&RStudio拥有几乎所有IDE应该有的功能，四栏设计可以方面的测试代码，选取库和包，预览生成的图片。&br&&img src=&/236b60893fcdcc65318ace39d042c44f_b.png& data-rawwidth=&949& data-rawheight=&790& class=&origin_image zh-lightbox-thumb& width=&949& data-original=&/236b60893fcdcc65318ace39d042c44f_r.png&&更重要的是Rstudio有效支持对于C++的编写，可以方便的使用Rcpp，提高R的效率。其内置了knitr,Rmarkdown和pandoc，这些黑科技，可以把R语言结果生成文档，演示文稿，html。甚至是markdown的一个IDE。knitr的作者和文学化编程的提倡者，谢益辉博士毕业后就去这个公司工作了。&br&&br&下图就是Rmd功能的一个演示，左边是源码，右边就是输出的文档结果。可以快速的给别人做一个演示，或者给上级汇报工作。&br&&img src=&/162163add7e9b46d33442_b.png& data-rawwidth=&725& data-rawheight=&613& class=&origin_image zh-lightbox-thumb& width=&725& data-original=&/162163add7e9b46d33442_r.png&&&br&Rstudio这个公司还开发了另一个著名的绘图包ggplot2，画图的效果不比Orgin差多少，同样是一个很好的开源绘图替代品。&br&&br&## &b&Mathematica &/b&&b&&a href=&///?target=https%3A///mathematica/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Wolfram Mathematica: Modern Technical Computing&i class=&icon-external&&&/i&&/a&&/b&&br&Mathematica 是一个贵的要死的商业软件。但我还是要推荐这个。这个软件相当于Maple+R+Matlab+很多其他软件。反正下盗版也要花时间，干嘛一定要下Matlab而不是Mathematica呢？在知乎上有个问题&a href=&/question/& class=&internal&&Mathematica 到底有多厉害？ - Wolfram Mathematica&/a&。大家可以去看看其到底多强大，我就不赘述了。&br&&br&我主要强调一下他的符号运算功能，Mathematica里面可以用近乎自然数学符号的方式书写程序，然后进行纯符号运算，可以解决很多复杂的推到问题，也是科研好帮手。虽然也有一些软件可以进行符号运算，但都没有Mathematica好。正版的Mathematica还可以链接Wolfram Alpha，识别自然语言的输入。&br&&br&现在也有一个开源项目Sage &a href=&///?target=http%3A//www.sagemath.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SageMath - Open-Source Mathematical Software System&i class=&icon-external&&&/i&&/a&在一些方面试图达到Mathematica的功能。有些地方已经相当不错，假以时日应该是一个很好地开源替代品。但我本身没有太用过，就不说了。&br&&br&# &b&网站&/b&&br&&ul&&li&&a href=&///?target=http%3A//www.just-& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Just The Word&i class=&icon-external&&&/i&&/a& 一个可以告诉你正确英文词语组合的网站，不过服务器有些不太稳定。&/li&&li&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Linggle 10^12- Language Reference Search Engines&i class=&icon-external&&&/i&&/a& 和上面功能类似，但更稳定，更易用。&/li&&li&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ShareLaTeX, the Online LaTeX Editor&i class=&icon-external&&&/i&&/a& 在线写作LaTeX平台，如果不愿意自己安装，这是个非常好的东西，还有很多模板。不过不太安全罢了。&br&&/li&&li&&a href=&///?target=http%3A//bookzz.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Electronic library. Download books free. Finding books&i class=&icon-external&&&/i&&/a& 这个和挂掉的bookfi，以及libgen实际上都是一个东西的不同壳。&br&&/li&&li&&a href=&///?target=http%3A//www.jstor.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&JSTOR&i class=&icon-external&&&/i&&/a& 网络文献收集的网站，有一些下载需要付费，但是浏览不需要。我几乎大部分论文都这里找的。&/li&&/ul&&br&# &b&其他&/b&&br&还有一些可能有帮助的东西。&br&&ul&&li&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&& - Library management web app&i class=&icon-external&&&/i&&/a& 可以用来管理书，电影以及其他多媒体。有点类似豆瓣。&br&&/li&&li&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Trello&i class=&icon-external&&&/i&&/a& 一个类似于白板的生产力工具。可以用来时间管理，或者研究项目管理。支持多人合作。用来写下来灵感挺好。&/li&&li&&a href=&///?target=http%3A//julialang.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Julia Language&i class=&icon-external&&&/i&&/a& 一个非常新的科学计算语言，主要优点在于实时编译，极大地加快了程序效率。速度一向是Matlab,R 乃至Mathematica的硬伤。&br&&/li&&li&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GitHub · Where software is built&i class=&icon-external&&&/i&&/a& 程序员显然都知道这个，世界最大同性社交网站。有人用Git来对论文进行版本管理，但我感觉有点杀鸡用牛刀。&br&&/li&&li&Notebook 免费之后我觉得相当有竞争力。配合Surface非常强大，但我买不起Surface也就这样了。&/li&&li&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Welcome to Steam&i class=&icon-external&&&/i&&/a&， &a href=&///?target=https%3A///zh-hk/store/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Origin: Powered by EA&i class=&icon-external&&&/i&&/a& （大雾）&/li&&/ul&
我发现现有的回答基本没有我常用的软件，这可能是学科不同的问题。所以我也分享一下去自己常用的东西。选择的软件或网站主要基于两个标准，一个是软件开源，自由而且免费。开源软件运动的精神一向和学术精神一脉相承。免费对于学生或者节省科研经费来说也很…
写几个常见的我觉得挺好的网站及软件，也不知道你什么学科，就写一些所有学科基本都用得到的吧。&br&1、小木虫论坛（&a href=&///?target=http%3A//emuch.net/bbs/tag.php%3Fview%3Dme& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&小木虫论坛 - 学术科研第一站&i class=&icon-external&&&/i&&/a&）及其APP&br&这个论坛应该相当多的人知道且有所受益。（添加）此网站现在确实偏离学术讨论的灌水颇多，早期还是挺好的，可能我用的早，对它有些感情所以推荐。我现在在其中用的最多的是文献传递、资源分享等，有时候一些项目申请，SCI撰写经验等也会看看，个人喜好（添加）。总之，科研人员可以多逛逛，多交流。类似的还有医学方面的丁香园论坛（&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&/bbs/index.html&i class=&icon-external&&&/i&&/a&）&br&&br&2、KEGG（&a href=&///?target=http%3A//www.genome.jp/kegg/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&genome.jp/kegg/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&）&br&基因组破译方面的数据库。生物医学方面的非常实用。&br&&br&3、（有人反映下载存在版权问题，已删，评论里有链接！）&br&这个网站太强大，很多国外图书基本上都可以下载得到。国外的正版书籍实在太贵，对于我们这种穷屌丝，还是下PDF的看吧。&br&&br&4、中国专利下载网（ &a href=&///?target=http%3A///cnpat/cn_patent.asp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中国专利下载&i class=&icon-external&&&/i&&/a&）&br&之前写的全国图书馆咨询联盟可能校园网之外的网有些不能用，我就替换成这个专利下载的网站吧，只要提供专利号，基本能够下载到你需要的专利。&br&&br&5、中国知网（&a href=&///?target=http%3A//ki.net/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中国知网&i class=&icon-external&&&/i&&/a&）、Web of science（&a href=&///?target=http%3A///WOS_GeneralSearch_input.do%3Fproduct%3DWOS%26SID%3DU1A2cxwb86wZ9kHg7dt%26search_mode%3DGeneralSearch& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&& 的页面&i class=&icon-external&&&/i&&/a&）&br&这两个网站一个是查中文文献，一个是查英文文献必备的网站，好好研究怎么查找文献，功能很强大。文献查询下载的网站还有很多，比如万方，springer，甚至谷歌学术等，但我觉得这两个网站文献搜索很全面，而且学会使用后，其他都很容易学会使用。&br&&br&6、Endnote&br&这个软件对于文献的编辑整理，还有论文写作非常实用，建议学习实用。&br&&br&7、SPSS或SAS&br&这两个软件作为数据分析的软件，非常实用，基本满足要求。&br&&br&8、Origin&br&作图软件，还可以分析和处理数据，非常实用。&br&&br&9、移动图书馆app&br&对于在校生，这个app可以用自己学号登录所在学校的图书馆，在线查看所在学校的图书，还可以订阅杂志、报纸、视频等很多内容。对于学校有的电子专业书籍下到手机里面，抽时间看看也是不错的。&br&&br&大家不要只收藏啊，点个赞呗，可以让更多人知道这些软件而受惠！
写几个常见的我觉得挺好的网站及软件，也不知道你什么学科，就写一些所有学科基本都用得到的吧。 1、小木虫论坛（）及其APP 这个论坛应该相当多的人知道且有所受益。（添加）此网站现在确实偏离学术讨论的灌水颇多，…
已有帐号？
无法登录？
社交帐号登录
13714 人关注
668 条内容
1352 条内容
11365 人关注
228 条内容
719 人关注
203 条内容
7654 人关注
328 条内容