python做科學計算的特點：
1. 科學函式庫很全。 （推薦學習：Python影片教學）
科學庫：numpy，scipy。作圖：matplotlib。並行：mpi4py。調試：pdb。
2. 效率高。
如果你能學好numpy（array特性，f2py），那麼你程式碼執行效率不會比fortran，C差太多。但如果你用不好array，那樣寫出來的程式效率就只能呵呵了。所以入門後，請一定花足夠的時間去了解numpy的array類別。
3. 易於調試。
pdb是我見過最好的偵錯工具，沒有之一。直接在程式斷點處給你一個截面，這只有文字解釋語言才能辦到。毫不誇張的說，你用python開發程式只要fortran的1/10時間。
4. 其他。
它豐富且統一，不像C 的函式庫那麼雜（好比linux的各種發行版），python學好numpy就可以做科學計算了。 python的第三方函式庫很全，但不雜。 python基於類別的語言特性讓它比起fortran等更容易規模化開發。
數值分析中，龍格－庫塔法（Runge-Kutta methods）是用於非線性常微分方程的解的重要的一類隱式或顯式迭代法。這些技術由數學家卡爾·龍格和馬丁·威爾海姆·庫塔於1900年左右發明。
龍格-庫塔(Runge-Kutta)方法是一種在工程上應用廣泛的高精度單步演算法，其中包括著名的歐拉法，用於數值求解微分方程。由於此演算法精度高，採取措施對誤差進行抑制，所以其實作原理也較複雜。
高斯積分是在機率論和連續傅立葉變換等的統一化等計算中有廣泛的應用。在誤差函數的定義中它也出現。雖然誤差函數沒有初等函數，但是高斯積分可以用微積分學的手段解析來求解。高斯積分（Gaussian integral），有時也被稱為機率積分，是高斯函數的積分。它是依德國數學家兼物理學家卡爾·弗里德里希·高斯之姓氏所命名。
洛倫茨吸引子及其導出的方程組是由愛德華·諾頓·洛倫茨於1963年發表，最初是發表在《大氣科學雜誌》（Journal of the Atmospheric Sciences）雜誌的論文《Deterministic Nonperiodic Flow》中提出的，是由大氣方程式中出現的對流卷方程式簡化得到的。
這個洛倫茨模型不僅對非線性數學有重要性，對於氣候和天氣預報來說也有著重要的意義。行星和恆星大氣可能會表現出多種不同的準週期狀態，這些準週期狀態雖然是完全確定的，但卻容易發生突變，看起來似乎是隨機變化的，而模型對此現像有明確的表述。
更多Python相關技術文章，請造訪Python教學欄位學習！
以上是python能做什麼科學計算的詳細內容。更多資訊請關注PHP中文網其他相關文章！
