by Enrico Franchi for
Negli ultimi anni la popolarità di Python come strumento per lavori computazionalmente intensivi è grandemente cresciuta. Nonostante questo tipo di compiti sia tradizionalmente associato con il calcolo scientifico, si incontrano anche in molte altre situazioni, come per esempio applicazioni finanziarie o nel mondo in continua crescita dei social media.
In questo talk, introduco alcuni degli strumenti e delle librerie che vengono usati in questi contesti, e mostro come si integrano fra di loro per produrre un ambiente di calcolo effettivo che sia (i) facile da usare, (ii) ragionevolmente efficiente, e (iii) che inter-opera efficacemente con il mondo esterno. Il mio obiettivo principale è fornire una breve introduzione ai componenti fondamentali che usiamo per sgranocchiare numeri e mostrare come lavorano in concerto.
Un altro aspetto importante che deve essere affrontato nei compiti computazionalmente intensivi è l’utilizzo efficiente della memoria interna. Una parte di questo talk è devoluta per capire come rappresentare efficacemente i dati, considerando i vari trade-off fra i built-in di Python e le librerie esterne. Per di più, introduco alcuni strumenti di profiling che consentono di misurare l’utilizzo di CPU e di RAM.
Infine, esamino come i potenziali problemi evidenziati dal profiling possono essere risolti cambiando (i) varie strategie ad alto livello, (ii) utilizzando alcune delle librerie precedentemente discusse (numpy, scipy, pandas), o (iii) usando altri strumenti, come per esempio cython, scipy.weave, o F2Py.
