数值计算库与科学计算库

##BLAS 接口
BLAS, LAPACK, ATLAS 这些数值计算库的名字很类似，他们之间有什么关系呢？BLAS是一组线性代数运算接口，目前是事实上的标准，很多数值计算/科学计算都实现了这套接口。

BLAS定义了那些函数呢？可以查看官方文档。

LAPACK是BLAS的第一个实现，是最老牌的数值计算库，用FORTRAN 77语言写的。LAPACK实现了BLAS接口，并扩充了一些功能。很多数值计算库/科学计算库底层调用了LAPACK。

很多硬件厂商都实现BLAS接口，例如Intel MKL(Math Kernel Library), AMCL(AMD Math Core Library)等。很多开源库也支持，例如ATLAS。

还有非常多的库实现了BLAS接口，见Wikipedia BLAS 的Implementations小节。

下面介绍一些各种语言常用的数值计算/科学计算库。

##C/C++
首先是Intel 的MKL 和 AMD 的AMCL，性能一流，不过是商业软件，价格昂贵。

GSL - GNU Scientific Library，GNU实现的库，质量很高，不过是用纯C写的，用起来比较繁琐。

Armadillo，最新版 2013-02-20 Version 3.6.3

IT++，最后版本是4.2,2010-09-21。

##Java
这个页面JavaNumerics page专门收集了关于Java数值计算的库。

java-matrix-benchmark这个开源项目，比较了各类Java线性代数库的性能。

Java的数值计算库主要分为两类：Pure Java和Natie Wrapper。Pure Java是指用纯Java编写的，Native Wrapper是指该库底层调用了C++或Fortan编写的第三方库，上面封装了一层，提供了更有好的接口。

下面介绍一些影响力较大的java数值计算/科学计算库。

Commons Math, 最新版本是3.1.1,2013年1月9号发布。这个库提供一些基本的数学运算，没有high-level的东西，例如矩阵，向量等，用起来会比较繁琐。

JAMA, 最新版是Version 1.0.3 (November 9, 2012)。

Colt，已经不更新了，最后版本是1.2.0，2004年9月发布的。

Apache Mahout使用了Colt作为high performance collections，见官方这个页面，说“The implementation of Mahout Collections is derived from Cern Colt”，以及quora 这个帖子What are the best resources for distributed numerical analysis/matrix algorithms。

##Python
目前最有影响力的莫过于NumPy和SciPy。Amazon.com上可以搜到专门讲它们的书。

SciPy依赖NumPy，主要是在数值计算方面调用了NumPy。

##Ruby
SciRuby, 是SciPy和NumPy的克隆，目前还在开发中。

##R
R刚开始时是统计学家开发的语言，专门用于数理统计，现在功能不断增强，内置了很多数值计算和科学计算的功能。R在数据分析领域比较火。

##Scala
目前用google搜索 “scala numerical computing”，能找得到的就是ScalaLab了。

##Matlab
最后，别忘了Matlab是支持多语言调用的。

可以用Matlab生成DLL，给C/C++语言调用。其实，凡是能调用DLL的语言，都可以使用这个DLL，例如Python, Ruby等。

可以用Matlab JavaBuilder将m文件转换为jar文件，然后在java代码中就可以调用了。

##如何选择
本文的重点在于选择一个高性能，同时又比较易用的库，即被让我们调用，用来写程序的库，不是一个集成环境或REPL环境。因此R和Matlab不在讨论范围内。R和Matlab用来做原型或前期Data Exploration比较适合。

选择一个工具（语言，框架，库等），要看其是否成熟。我个人的一些判断指标，主要有

从厂商的支持来看，几个主要的大厂商如 Intel，AMD和Apple都开发了自己的数学库。Python则有很成熟的NumPy，在Amazon上能搜到书，例如“SciPy and NumPy”， “NumPy Cookbook”。因此，目前来看，C++和Python是比较成熟的方案。