Ostatnio coraz więcej osób pracujących naukowo, do wykonywania obliczeń numerycznych zaczyna wykorzystywać język Python . Ja również od pewnego czasu zastanawiam się nad przeniesieniem części swojej pracy z Matlaba do Pythona. Na korzyść Pythona przemawia kilka argumentów.
Przede wszystkim jest darmowy. W zestawieniu z kosztem Matlaba jest to istotny argument ponieważ znacząca jest już cena samego środowiska obliczeniowego, a dokupienie opcjonalnych toolboxów dodatkowo zwiększa koszt zakupu platformy Mathworks. Darmowe biblioteki Pythona jak np. NumPy, SciPy, Matplotlib czy IPython zapewniają dużą część funkcjonalności podstawowej wersji Matlaba i niektórych toolboxów.
Po drugie Python jest językiem programowania o interpreterach dostępnych na prawie wszystkie platformy. W wielu systemach, wraz z podstawowymi bibliotekami, jest domyślnie rozprowadzany razem z dystrybucją. Dzięki temu, po zainstalowaniu wymaganych bibliotek, możliwe jest wykonanie programów napisanych w Pythonie na prawie każdym komputerze. Natomiast środowisko Matlab, głównie ze względu na swój koszt, jest kupowane najczęściej przez instytucje naukowe, uczelnie lub duże firmy. I przeważnie z licencją na ograniczoną, niewielką liczbę stanowisk lub równoczesnych sesji. Dlatego w Matlabie, programy uruchomić będą mogły tylko osoby mające dostęp do tego środowiska, najczęściej w pracy lub na uczelni. W tym miejscu należałoby wspomnieć o darmowej alternatywie dla programów napisanych w języku Matlaba – platformie Octave. Język Octave jest prawie całkowicie zgodny z językiem Matlaba, a wszelkie różnice w składni i działaniu poszczególnych funkcji są uważane za błędy i systematycznie likwidowane. Jednak obie platformy nie są jeszcze w 100% zgodne ze sobą [Porting programs from Matlab to Octave] i o ile prostsze programy Matlaba bez problemu dają się uruchomić w Octave, to z wykonaniem bardziej skomplikowanych skryptów mogą wystąpić trudności. Umieszczone na tej stronie, proste skrypty w języku Matlaba powinny uruchamiać się w środowisku Octave w wersji 3.2.4 lub wyższej. Natomiast programy w języku Python, każdy powinien móc uruchomić na swoim komputerze (ewentualnie, po uprzednim zainstalowaniu Pythona).
Kolejnym argumentem na korzyść Pythona jest to, że jest on pełnym językiem programowania, a nie środowiskiem dedykowanym do przeprowadzania obliczeń. To powoduje, że w razie potrzeby łatwiej jest wykorzystać Pythona do wykonywania operacji nie związanych wprost z obliczeniami. Dodatkowo duża liczba dedykowanych bibliotek, optymalizowanych pod kątem realizacji określonych zadań bardzo upraszcza implementację. Python może być używany jako język skryptowy służący np. automatyzacji powtarzających się zadań, a jednocześnie po zaimportowaniu odpowiednich bibliotek można go w sposób prosty wykorzystać do przeprowadzania naukowych obliczeń. Wiele aplikacji udostępnia swoje API właśnie w Pythonie. Jestem w stanie bez większych problemów wyobrazić sobie sytuację, gdzie w celu wykorzystania części swoich wcześniejszych programów w jednej z takich aplikacji, przekopiowuję bez żadnych zmian funkcje i fragmenty programów napisanych w Pythonie. Skrypty stworzone w Matlabie są w takiej sytuacji bezużyteczne.
Dla równowagi podkreślić należy kilka zalet środowiska Mathworks. Matlab jest jedną z najszerzej wykorzystywanych platform obliczeniowych na świecie. Od wielu lat wykorzystywany jest przez środowiska naukowe w różnych dziedzinach badań i do dziś stanowi standard w środowiskach uniwersyteckich. Przy wykorzystaniu Matlaba, wykonywane są obliczenia do większości publikacji naukowych, a przykładowe fragmenty kodu i algorytmy zapisywane są w języku Matlaba. Chociażby z tego powodu, aby pozostać w zgodzie z tym standardem, warto jest przynajmniej znać zapis Matlabowy.
Inną zaletą platformy Mathworks względem Pythona jest to, że dostarcza jednorodne, kompletne proste w instalacji środowisko zawierające w jednym miejscu wszystkie wymagane do pracy elementy. Bezpośrednio po instalacji, podczas której automatycznie instalowane są również zakupione toolboxy, użytkownik uruchamia jedno zwarte środowisko w którym dostępne są: okno poleceń, zintegrowany edytor, podgląd zmiennych w przestrzeniach pamięci, debugger, profiler, historia poleceń, przeglądarka plików, pomoc on-line, a nawet dostęp do internetowych baz skryptów udostępnianych przez społeczność użytkowników Matlaba. Pracę ułatwiają między innymi kreatory importu i eksportu danych z popularnych formatów plików, obsługa schowka, czy zintegrowane narzędzia do edycji wykresów. Moim zdaniem, to jest bardzo duży atut Matlaba, że zaraz po krótkiej instalacji stanowi kompletne środowisko zawierające zintegrowane liczne narzędzia ułatwiające pracę.
Innym bardzo dużym atutem produktu Mathworks jest Simulink – środowisko do przeprowadzania symulacji i projektowania, zintegrowane z Matlabem. Do Simulinka również można dokupić dedykowane toolboxy. Simulink w połączeniu z Matlabem stanowi potężną platformę mogącą służyć analizie zachowań systemów dynamicznych, wizualizacji symulacji, modelowaniu danych i wielu innym zastosowaniom. Obecnie nie ma na rynku konkurencyjnego do Simulinka oprogramowania o podobnych możliwościach.
W internecie znajduje się wiele stron porównujących Matlaba i Pythona przy różnego rodzaju zastosowaniach. Wymienione powyżej argumenty za każdym z tych dwóch środowisk to moje subiektywne zdanie. Wypunktowałem różnice, które są istotne według mnie i w konkretnych zastosowaniach, z którymi mam do czynienia – obliczeniami w zakresie analizy sygnałów. Inne osoby mogą przywiązywać wagę do innych cech obu języków w zależności od swoich przyzwyczajeń lub oczekiwań. Żeby móc ocenić praktyczne aspekty pracy z tymi językami, chciałbym wykonać kilka obliczeń w obu środowiskach porównując łatwość implementacji, czas wykonania itp. Ponieważ z jednej strony nie mam dużego doświadczenia z programowaniem w Pythonie, a z drugiej strony chciałbym zrobić coś ciekawszego niż wypisanie na ekranie liczb w pętli, to w następnych artykułach przedstawię zastosowanie obu języków do kilku prostych przypadków analizy modelowanych sygnałów, a także dźwięku i obrazu.
Użytkownicy systemów Windows, mogą pobrać skompilowane wersje wielu bibliotek Pythona do obliczeń naukowych ze strony: Unofficial Windows Binaries for Python Extension Packages, utrzymywanej przez Christopha Gohlke. Użytkownikom systemów linuksowych najłatwiej będzie użyć bibliotek z oficjalnych repozytoriów lub skompilować najnowsze wersje ze źródeł.
Na zakończenie odnośniki do dwóch środowisk obliczeniowych o otwartym kodzie źródłowym: Scilab i SAGE.