home.social

#scipy — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #scipy, aggregated by home.social.

  1. Virgile Andreani @[email protected] ·

    Ohhh I missed the news for the release of NumPy 2.5.0 and SciPy 1.18.0 last month!

    numpy.org/doc/stable/release/2

    docs.scipy.org/doc/scipy/relea

    #numpy #scipy #Python #ScientificComputing

    #numpy #scipy #python #scientificcomputing
  2. Virgile Andreani @[email protected] ·

    Ohhh I missed the news for the release of NumPy 2.5.0 and SciPy 1.18.0 last month!

    numpy.org/doc/stable/release/2

    docs.scipy.org/doc/scipy/relea

    #numpy #scipy #Python #ScientificComputing

    #numpy #scipy #python #scientificcomputing
  3. Virgile Andreani @[email protected] ·

    Ohhh I missed the news for the release of NumPy 2.5.0 and SciPy 1.18.0 last month!

    numpy.org/doc/stable/release/2

    docs.scipy.org/doc/scipy/relea

    #numpy #scipy #Python #ScientificComputing

    #numpy #scipy #python #scientificcomputing
  4. Virgile Andreani @[email protected] ·

    Ohhh I missed the news for the release of NumPy 2.5.0 and SciPy 1.18.0 last month!

    numpy.org/doc/stable/release/2

    docs.scipy.org/doc/scipy/relea

    #numpy #scipy #Python #ScientificComputing

    #numpy #scipy #python #scientificcomputing
  5. Virgile Andreani @[email protected] ·

    Ohhh I missed the news for the release of NumPy 2.5.0 and SciPy 1.18.0 last month!

    numpy.org/doc/stable/release/2

    docs.scipy.org/doc/scipy/relea

    #numpy #scipy #Python #ScientificComputing

    #scientificcomputing #python #scipy #numpy
  6. MauroGata @[email protected] ·

    Scipy: "Fundamental algorithms for scientific computing in Python".
    scipy.org

    I do not know how to use it but who has will.

    (It is open source)

    #scipy #opensource #usefulweb #algorithm #python #py #programming #tool

    #scipy #opensource #usefulweb #algorithm #python #py
  7. MauroGata @[email protected] ·

    Scipy: "Fundamental algorithms for scientific computing in Python".
    scipy.org

    I do not know how to use it but who has will.

    (It is open source)

    #scipy #opensource #usefulweb #algorithm #python #py #programming #tool

    #scipy #opensource #usefulweb #algorithm #python #py
  8. MauroGata @[email protected] ·

    Scipy: "Fundamental algorithms for scientific computing in Python".
    scipy.org

    I do not know how to use it but who has will.

    (It is open source)

    #scipy #opensource #usefulweb #algorithm #python #py #programming #tool

    #scipy #opensource #usefulweb #algorithm #python #py
  9. MauroGata @[email protected] ·

    Scipy: "Fundamental algorithms for scientific computing in Python".
    scipy.org

    I do not know how to use it but who has will.

    (It is open source)

    #scipy #opensource #usefulweb #algorithm #python #py #programming #tool

    #scipy #opensource #usefulweb #algorithm #python #py
  10. Habr @[email protected] ·

    Ускоряем и оптимизируем numpy, pandas, scipy и sklearn

    С момента публикации статьи на Хабре « Импортозамещаем numpy, pandas, scipy и sklearn » прошло почти три года. В течение этого времени я приостановил работу над проектом из-за нехватки времени, ресурсов и сил. К тому же, меня расстроило, что не смог выполнить просьбу пользователя @N-Cube , который активно интересовался моей библиотекой и хотел ускорить работу своего Jupyter Notebook. В самый критический момент на помощь пришел волшебный AI, который, хоть и иногда проявлял недостаток гибкости, с готовностью исполнял все пожелания своего хозяина. Благодаря этому проект начал продвигаться вперед. За это время в библиотеки были добавлены поддержка CUDA, множество ручных SIMD-оптимизаций с динамическим выбором SIMD, несколько реализаций линейной регрессии и многое другое. Давайте рассмотрим, что на сегодняшний день позволяет сделать моя библиотека. Я представлю несколько тестовых примеров в двух вариантах: с использованием AVX-2 на процессоре Intel® Core™ i7-4790K и AVX-512 на Intel® Xeon. Также покажу результаты замеров для каждого из них. Все тесты проводились без использования GPU, исключительно на процессоре. Это позволяет сравнивать производительность Python и моей библиотеки на равных условиях. Операционная система – Ubuntu 24.04, компилятор – GNU 13.3.0.

    habr.com/ru/articles/1039866/

    #C++ #numpy #pandas #scipy #sklearn #opensource #datascience #data_analysis

    #data_analysis #datascience #opensource #sklearn #scipy #pandas
  11. Habr @[email protected] ·

    Ускоряем и оптимизируем numpy, pandas, scipy и sklearn

    С момента публикации статьи на Хабре « Импортозамещаем numpy, pandas, scipy и sklearn » прошло почти три года. В течение этого времени я приостановил работу над проектом из-за нехватки времени, ресурсов и сил. К тому же, меня расстроило, что не смог выполнить просьбу пользователя @N-Cube , который активно интересовался моей библиотекой и хотел ускорить работу своего Jupyter Notebook. В самый критический момент на помощь пришел волшебный AI, который, хоть и иногда проявлял недостаток гибкости, с готовностью исполнял все пожелания своего хозяина. Благодаря этому проект начал продвигаться вперед. За это время в библиотеки были добавлены поддержка CUDA, множество ручных SIMD-оптимизаций с динамическим выбором SIMD, несколько реализаций линейной регрессии и многое другое. Давайте рассмотрим, что на сегодняшний день позволяет сделать моя библиотека. Я представлю несколько тестовых примеров в двух вариантах: с использованием AVX-2 на процессоре Intel® Core™ i7-4790K и AVX-512 на Intel® Xeon. Также покажу результаты замеров для каждого из них. Все тесты проводились без использования GPU, исключительно на процессоре. Это позволяет сравнивать производительность Python и моей библиотеки на равных условиях. Операционная система – Ubuntu 24.04, компилятор – GNU 13.3.0.

    habr.com/ru/articles/1039866/

    #C++ #numpy #pandas #scipy #sklearn #opensource #datascience #data_analysis

    #data_analysis #datascience #opensource #sklearn #scipy #pandas
  12. Habr @[email protected] ·

    Ускоряем и оптимизируем numpy, pandas, scipy и sklearn

    С момента публикации статьи на Хабре « Импортозамещаем numpy, pandas, scipy и sklearn » прошло почти три года. В течение этого времени я приостановил работу над проектом из-за нехватки времени, ресурсов и сил. К тому же, меня расстроило, что не смог выполнить просьбу пользователя @N-Cube , который активно интересовался моей библиотекой и хотел ускорить работу своего Jupyter Notebook. В самый критический момент на помощь пришел волшебный AI, который, хоть и иногда проявлял недостаток гибкости, с готовностью исполнял все пожелания своего хозяина. Благодаря этому проект начал продвигаться вперед. За это время в библиотеки были добавлены поддержка CUDA, множество ручных SIMD-оптимизаций с динамическим выбором SIMD, несколько реализаций линейной регрессии и многое другое. Давайте рассмотрим, что на сегодняшний день позволяет сделать моя библиотека. Я представлю несколько тестовых примеров в двух вариантах: с использованием AVX-2 на процессоре Intel® Core™ i7-4790K и AVX-512 на Intel® Xeon. Также покажу результаты замеров для каждого из них. Все тесты проводились без использования GPU, исключительно на процессоре. Это позволяет сравнивать производительность Python и моей библиотеки на равных условиях. Операционная система – Ubuntu 24.04, компилятор – GNU 13.3.0.

    habr.com/ru/articles/1039866/

    #C++ #numpy #pandas #scipy #sklearn #opensource #datascience #data_analysis

    #c #numpy #pandas #scipy #sklearn #opensource
  13. Erik-Jan @erikjan ·

    - statistical distributions in are great too. I even used a scaled-shifted beta-prime distribution a few weeks ago! (???) (Still :julia: Distributions.jl is my fave)
    - works exactly as expected (which is great) but the post-processing of mcmc draws is a bit more cumbersome in Python than in R in my opinion (arviz in Python vs posterior in R) although this might again be matplotlib vs ggplot (did I mention I am not a matplotlib fan?)

    4/n

    #scipy #julialang #cmdstanpy
  14. Erik-Jan @[email protected] ·

    - statistical distributions in #scipy are great too. I even used a scaled-shifted beta-prime distribution a few weeks ago! (???) (Still #julialang :julia: Distributions.jl is my fave)
    - #cmdstanpy works exactly as expected (which is great) but the post-processing of mcmc draws is a bit more cumbersome in Python than in R in my opinion (arviz in Python vs posterior in R) although this might again be matplotlib vs ggplot (did I mention I am not a matplotlib fan?)

    4/n

    #scipy #julialang #cmdstanpy
  15. Erik-Jan @[email protected] ·

    - statistical distributions in #scipy are great too. I even used a scaled-shifted beta-prime distribution a few weeks ago! (???) (Still #julialang :julia: Distributions.jl is my fave)
    - #cmdstanpy works exactly as expected (which is great) but the post-processing of mcmc draws is a bit more cumbersome in Python than in R in my opinion (arviz in Python vs posterior in R) although this might again be matplotlib vs ggplot (did I mention I am not a matplotlib fan?)

    4/n

    #scipy #julialang #cmdstanpy
  16. Erik-Jan @[email protected] ·

    - statistical distributions in #scipy are great too. I even used a scaled-shifted beta-prime distribution a few weeks ago! (???) (Still #julialang :julia: Distributions.jl is my fave)
    - #cmdstanpy works exactly as expected (which is great) but the post-processing of mcmc draws is a bit more cumbersome in Python than in R in my opinion (arviz in Python vs posterior in R) although this might again be matplotlib vs ggplot (did I mention I am not a matplotlib fan?)

    4/n

    #scipy #julialang #cmdstanpy
  17. Erik-Jan @[email protected] ·

    - statistical distributions in #scipy are great too. I even used a scaled-shifted beta-prime distribution a few weeks ago! (???) (Still #julialang :julia: Distributions.jl is my fave)
    - #cmdstanpy works exactly as expected (which is great) but the post-processing of mcmc draws is a bit more cumbersome in Python than in R in my opinion (arviz in Python vs posterior in R) although this might again be matplotlib vs ggplot (did I mention I am not a matplotlib fan?)

    4/n

    #cmdstanpy #julialang #scipy
  18. Daniel Chen @[email protected] ·

    That's a wrap, #PyConUS! I loved all the conversational talks, documentation writing, and PRS this week. Looking forward to following up with many of you and more collaborations in the future!

    If you missed the #python dashboarding tutorial using Shiny, I have all my materials here: chendaniely.github.io/pycon-20

    If you missed it, hopefully I'll catch you at #SciPy in July!

    #pyconus #python #scipy
  19. Daniel Chen @[email protected] ·

    That's a wrap, #PyConUS! I loved all the conversational talks, documentation writing, and PRS this week. Looking forward to following up with many of you and more collaborations in the future!

    If you missed the #python dashboarding tutorial using Shiny, I have all my materials here: chendaniely.github.io/pycon-20

    If you missed it, hopefully I'll catch you at #SciPy in July!

    #pyconus #python #scipy
  20. Daniel Chen @[email protected] ·

    That's a wrap, #PyConUS! I loved all the conversational talks, documentation writing, and PRS this week. Looking forward to following up with many of you and more collaborations in the future!

    If you missed the #python dashboarding tutorial using Shiny, I have all my materials here: chendaniely.github.io/pycon-20

    If you missed it, hopefully I'll catch you at #SciPy in July!

    #pyconus #python #scipy
  21. Daniel Chen @[email protected] ·

    That's a wrap, #PyConUS! I loved all the conversational talks, documentation writing, and PRS this week. Looking forward to following up with many of you and more collaborations in the future!

    If you missed the #python dashboarding tutorial using Shiny, I have all my materials here: chendaniely.github.io/pycon-20

    If you missed it, hopefully I'll catch you at #SciPy in July!

    #pyconus #python #scipy
  22. Daniel Chen @[email protected] ·

    That's a wrap, #PyConUS! I loved all the conversational talks, documentation writing, and PRS this week. Looking forward to following up with many of you and more collaborations in the future!

    If you missed the #python dashboarding tutorial using Shiny, I have all my materials here: chendaniely.github.io/pycon-20

    If you missed it, hopefully I'll catch you at #SciPy in July!

    #scipy #python #pyconus
  23. :rss: Qiita - 人気の記事 @[email protected] ·

    正三角形オブジェクトだけでフォントをレンダリングできるわけないじゃん、ムリムリ！(※ムリじゃなかった！？)
    qiita.com/tropical-362827/item

    #qiita #Python #scipy #Unity #線形代数 #数理最適化

    #qiita #python #scipy #unity #線形代数 #数理最適化
  24. :rss: Qiita - 人気の記事 @[email protected] ·

    正三角形オブジェクトだけでフォントをレンダリングできるわけないじゃん、ムリムリ！(※ムリじゃなかった！？)
    qiita.com/tropical-362827/item

    #qiita #Python #scipy #Unity #線形代数 #数理最適化

    #qiita #python #scipy #unity #線形代数 #数理最適化
  25. Alexandre B A Villares @[email protected] ·

    #scipy minimal spanning tree
    The sketch-a-day archives and tip jar are at: abav.lugaralgum.com/sketch-a-d Code for this: github.com/villares/sketch-a-d #Processing #Python #py5 #CreativeCoding

    #scipy #processing #python #py5 #creativecoding
  26. Alexandre B A Villares @[email protected] ·

    #scipy minimal spanning tree
    The sketch-a-day archives and tip jar are at: abav.lugaralgum.com/sketch-a-d Code for this: github.com/villares/sketch-a-d #Processing #Python #py5 #CreativeCoding

    #scipy #processing #python #py5 #creativecoding
  27. Alexandre B A Villares @[email protected] ·

    #scipy minimal spanning tree
    The sketch-a-day archives and tip jar are at: abav.lugaralgum.com/sketch-a-d Code for this: github.com/villares/sketch-a-d #Processing #Python #py5 #CreativeCoding

    #scipy #processing #python #py5 #creativecoding
  28. Alexandre B A Villares @[email protected] ·

    #scipy minimal spanning tree
    The sketch-a-day archives and tip jar are at: abav.lugaralgum.com/sketch-a-d Code for this: github.com/villares/sketch-a-d #Processing #Python #py5 #CreativeCoding

    #scipy #processing #python #py5 #creativecoding
  29. Alexandre B A Villares @[email protected] ·

    #scipy minimal spanning tree
    The sketch-a-day archives and tip jar are at: abav.lugaralgum.com/sketch-a-d Code for this: github.com/villares/sketch-a-d #Processing #Python #py5 #CreativeCoding

    #creativecoding #py5 #python #processing #scipy
  30. Alexandre B A Villares ☔🐍 @[email protected] ·

    @rzeta0 my friend, what do you think about the code using np.roll() (in the linked sketch)?

    I'm afraid it would be a bit hard to explain on a short class. So I'll use the simpler inefficient function...

    The next big step in efficiency would be using #scipy I think:

    def count_live_neighbors(status):
        """Counts the number of neighboring live cells"""
        kernel = np.array([
            [1, 1, 1],
            [1, 0, 1],
            [1, 1, 1]
        ])
        return scipy.signal.convolve2d(status, kernel, mode='same', boundary="wrap")
    #scipy
  31. Alexandre B A Villares ☔🐍 @[email protected] ·

    @rzeta0 my friend, what do you think about the code using np.roll() (in the linked sketch)?

    I'm afraid it would be a bit hard to explain on a short class. So I'll use the simpler inefficient function...

    The next big step in efficiency would be using #scipy I think:

    def count_live_neighbors(status):
        """Counts the number of neighboring live cells"""
        kernel = np.array([
            [1, 1, 1],
            [1, 0, 1],
            [1, 1, 1]
        ])
        return scipy.signal.convolve2d(status, kernel, mode='same', boundary="wrap")
    #scipy
  32. Alexandre B A Villares ☔🐍 @[email protected] ·

    @rzeta0 my friend, what do you think about the code using np.roll() (in the linked sketch)?

    I'm afraid it would be a bit hard to explain on a short class. So I'll use the simpler inefficient function...

    The next big step in efficiency would be using #scipy I think:

    def count_live_neighbors(status):
        """Counts the number of neighboring live cells"""
        kernel = np.array([
            [1, 1, 1],
            [1, 0, 1],
            [1, 1, 1]
        ])
        return scipy.signal.convolve2d(status, kernel, mode='same', boundary="wrap")
    #scipy
  33. Alexandre B A Villares ☔🐍 @[email protected] ·

    @rzeta0 my friend, what do you think about the code using np.roll() (in the linked sketch)?

    I'm afraid it would be a bit hard to explain on a short class. So I'll use the simpler inefficient function...

    The next big step in efficiency would be using #scipy I think:

    def count_live_neighbors(status):
        """Counts the number of neighboring live cells"""
        kernel = np.array([
            [1, 1, 1],
            [1, 0, 1],
            [1, 1, 1]
        ])
        return scipy.signal.convolve2d(status, kernel, mode='same', boundary="wrap")
    #scipy
  34. Alexandre B A Villares ☔🐍 @[email protected] ·

    @rzeta0 my friend, what do you think about the code using np.roll() (in the linked sketch)?

    I'm afraid it would be a bit hard to explain on a short class. So I'll use the simpler inefficient function...

    The next big step in efficiency would be using #scipy I think:

    def count_live_neighbors(status):
        """Counts the number of neighboring live cells"""
        kernel = np.array([
            [1, 1, 1],
            [1, 0, 1],
            [1, 1, 1]
        ])
        return scipy.signal.convolve2d(status, kernel, mode='same', boundary="wrap")
    #scipy
  35. Hacker News @[email protected] ·

    Scipy.stats. Chatterjeexi

    docs.scipy.org/doc/scipy/refer

    #HackerNews #Scipy.stats #Chatterjeexi #Chatterjee #Statistics #SciPy #DataScience

    #hackernews #scipy #chatterjeexi #chatterjee #statistics #datascience
  36. Hacker News @[email protected] ·

    Scipy.stats. Chatterjeexi

    docs.scipy.org/doc/scipy/refer

    #HackerNews #Scipy.stats #Chatterjeexi #Chatterjee #Statistics #SciPy #DataScience

    #hackernews #scipy #chatterjeexi #chatterjee #statistics #datascience
  37. Hacker News @[email protected] ·

    Scipy.stats. Chatterjeexi

    docs.scipy.org/doc/scipy/refer

    #HackerNews #Scipy.stats #Chatterjeexi #Chatterjee #Statistics #SciPy #DataScience

    #hackernews #scipy #chatterjeexi #chatterjee #statistics #datascience
  38. Hacker News @[email protected] ·

    Scipy.stats. Chatterjeexi

    docs.scipy.org/doc/scipy/refer

    #HackerNews #Scipy.stats #Chatterjeexi #Chatterjee #Statistics #SciPy #DataScience

    #hackernews #scipy #chatterjeexi #chatterjee #statistics #datascience
  39. Hacker News @[email protected] ·

    Scipy.stats. Chatterjeexi

    docs.scipy.org/doc/scipy/refer

    #HackerNews #Scipy.stats #Chatterjeexi #Chatterjee #Statistics #SciPy #DataScience

    #datascience #statistics #chatterjee #chatterjeexi #scipy #hackernews
  40. Kurt Kremitzki @[email protected] ·

    I love this logo for the upcoming #SciPy (#Scientific #Python) conference coming up this summer in #Minneapolis #Minnesota

    #scipy #scientific #python #minneapolis #minnesota
  41. Kurt Kremitzki @[email protected] ·

    I love this logo for the upcoming #SciPy (#Scientific #Python) conference coming up this summer in #Minneapolis #Minnesota

    #scipy #scientific #python #minneapolis #minnesota
  42. Kurt Kremitzki @[email protected] ·

    I love this logo for the upcoming #SciPy (#Scientific #Python) conference coming up this summer in #Minneapolis #Minnesota

    #scipy #scientific #python #minneapolis #minnesota
  43. Kurt Kremitzki @[email protected] ·

    I love this logo for the upcoming #SciPy (#Scientific #Python) conference coming up this summer in #Minneapolis #Minnesota

    #scipy #scientific #python #minneapolis #minnesota
  44. Kurt Kremitzki @[email protected] ·

    I love this logo for the upcoming #SciPy (#Scientific #Python) conference coming up this summer in #Minneapolis #Minnesota

    #minnesota #minneapolis #python #scientific #scipy
  45. Guillaume Gay @[email protected] ·

    Hi all,

    Hope you're fine and safe

    An important #announcement about #tyssue , a Python modeling library :

    github.com/DamCB/tyssue/blob/m

    Please 🔁 this message to reach the few and far apart people that might be impacted :pray:

    #openScience #scipy

    #announcement #tyssue #openscience #scipy
  46. Guillaume Gay @[email protected] ·

    Hi all,

    Hope you're fine and safe

    An important #announcement about #tyssue , a Python modeling library :

    github.com/DamCB/tyssue/blob/m

    Please 🔁 this message to reach the few and far apart people that might be impacted :pray:

    #openScience #scipy

    #announcement #tyssue #openscience #scipy
  47. Guillaume Gay @[email protected] ·

    Hi all,

    Hope you're fine and safe

    An important #announcement about #tyssue , a Python modeling library :

    github.com/DamCB/tyssue/blob/m

    Please 🔁 this message to reach the few and far apart people that might be impacted :pray:

    #openScience #scipy

    #announcement #tyssue #openscience #scipy
  48. Guillaume Gay @[email protected] ·

    Hi all,

    Hope you're fine and safe

    An important #announcement about #tyssue , a Python modeling library :

    github.com/DamCB/tyssue/blob/m

    Please 🔁 this message to reach the few and far apart people that might be impacted :pray:

    #openScience #scipy

    #announcement #tyssue #openscience #scipy
  49. Guillaume Gay @[email protected] ·

    Hi all,

    Hope you're fine and safe

    An important #announcement about #tyssue , a Python modeling library :

    github.com/DamCB/tyssue/blob/m

    Please 🔁 this message to reach the few and far apart people that might be impacted :pray:

    #openScience #scipy

    #scipy #openscience #tyssue #announcement
  50. Alexandre B A Villares @[email protected] ·

    #scipy #TSP #genuary #genuary20 @genuary2026
    Find the sketch-a-day archives and tip jar at: abav.lugaralgum.com/sketch-a-d
    Code for this sketch at: github.com/villares/sketch-a-d #Processing #Python #py5 #CreativeCoding

    #scipy #tsp #genuary #genuary20 #processing #python