Python数学建模-01.新手必读

Python 完全可以满足数学建模的需要。

Python 是数学建模的最佳选择之一，而且在其它工作中也无所不能 。

『Python 数学建模 @ Youcans』带你从数模小白成为国赛达人
。

1. 数学建模新手入门

『Python 数学建模 @ Youcans』 系列 是专门为学习数学建模 、准备数模竞赛的小白准备的系列教程。

【Python数学建模-01.新手必读】 主要讨论小白刚刚接触数学建模的几个困惑：

• 学习数学建模难不难？应该怎么学？
• 学习数学建模选择什么计算机语言最好？我要学 Matlab 吗？
• 用 Python 能做数学建模吗？
• 用 Python 做数学建模好不好用 ，好不好学？

欢迎关注 『Python 数学建模 @ Youcans』 系列
，持续更新

Python数学建模-01.新手必读
Python数学建模-02.数据导入
Python数模笔记-PuLP库
Python数模笔记-StatsModels统计回归
Python数模笔记-Sklearn
Python数模笔记-NetworkX
Python数模笔记-模拟退火算法

2. 学习数学建模难不难？应该怎么学？

进入大学以后，很多同学都会听老师和师兄师姐说起“数学建模”
、“数模竞赛 ” ，充满兴趣的同时也会有很多困惑：数学建模到底是什么？要不要学
，好不好学，怎么学？

“数学建模
”是用数学模型的方法 ，分析和解决实际应用问题的方法 。

中学数学的应用题 ，就是典型的数学建模问题：基于简化的应用问题
，给出一些已知条件，需要求解一些问题
。应用题的解题过程 ，通常是先分析问题
，判断用什么方法解题，然后根据已知条件一步步推导、计算 ，最后得出求解问题的答案。这就是典型的数学建模的方法和步骤
，”数学建模“就是加强版的应用题 。

大学里经常说的“数学建模 ”往往与
”数模竞赛“联系在一起，这时又特指通过计算机程序来求解问题 。这是因为 ，既然”数学建模“是加强版的应用题
， ”加强“体现在问题的求解计算过程比中学数学复杂，如果不通过计算机编程往往难以快速高效地计算出答案
。另一方面 ，这也是为了鼓励大家学习使用计算机
，学习通过计算机编程解决问题。

”数学建模“的学习过程并不困难，并不一定需要很好的数学基础 ，也不需要有很高的计算机编程水平——数学基础好 ，编程基础强
，学习数学建模肯定会更加容易 。但是，数学成绩不好 ，计算机小白
，也完全可以学习数学建模 、学好数学建模，并会在学习过程中锻炼数理思维逻辑 ，提高计算机编程水平——这才是最重要的收获
。

小白要学习数学建模
，建议：

• 首先听一两节数模培训的公开课或分享会，B站上有很多 ，大概明白数学建模是怎么回事就行。
• 其次要选择一门计算机程序语言进行学习
  ，掌握基本的编程操作 。
• 然后要系统学习各种类型的数学模型和算法，这是比较漫长的学习过程
  。
• 最后是实战练习 ，大学的数模协会都会安排练习赛
  、校内赛之类的训练和竞赛。

3. Python 能不能满足数学建模的需要？

答案很明确：Python 完全可以满足数学建模的需要 。

首先
，几乎所有的计算机语言，都可以满足常用的数学建模问题的需要
。例如 C、Python 、C++ 、C#
、VB、R 、Go ，当然还有数模竞赛中最流行的 Matlab ，解决各种数学建模问题都毫无问题。

需要注意的是
，数模学习过程中经常听到的 Lingo
、SPSS，严格地说并不是计算机语言 ，只是解决某些类型问题的专用软件
，并不适用于其它类型的问题 。

如果你学过其中一种计算机语言，而且（1）该计算机语言已经达到非常熟练的水平 ，（2）以提高编程水平为目的
，而不仅是为了参加数模竞赛，那么你也可以使用学过的计算机语言学习数学建模和参赛
。否则 ，就应该选择 Matlab 语言或者 Python 语言
，其原因嘛，看完本文就清楚了。

4. Python 数学建模好不好用？

答案也很明确：Python 用于数学建模 ，很好用 。

换个角度谈这个问题
，就是学习数学建模、参加数模竞赛最好要选择什么计算机语言？答案就是 Matlab 语言或者 Python 语言 。

为什么这么说呢？因为数学建模涉及的问题类型很多，算法更加繁多
。对于普通本科学生来说 ，如果学习各种算法以后都要自己从零开始编程 ，对本科学生是非常非常困难
，几乎不可能实现的。实际上，并不是真的要让同学们自己按照算法步骤从头编程 ，能够清楚每一类问题有哪些常用算法
，学会使用现有的算法程序就可以了 。

现有的算法程序从哪里来呢？一是来自计算机语言的各种算法工具包，以数学建模所涉及的算法来说 ，Matlab 语言或者 Python 语言的工具包都非常丰富
，程序质量高 、接口规范
、文档和例程比较完整
。二是来自先前的老师和同学积累的算法例程，但要系统全面地搜集这种算法例程也很困难 ，而且搜集到的例程质量参差不齐、接口五花八门
，新手要进行消化吸收的难度也很大。

为什么选择 Python 语言，而不是选择 Matlab 语言呢？首先 ，Matlab语言来做数学建模完全可以
，也是很好的选择 。但是，学习任何一门计算机语言都是需要时间和精力的 ，我们学习编程语言用于数学建模 ，但最好并不只是为了数学建模
，而是做其它工作时也能用
。

从这个角度来说，Python 语言的优势就非常明显了。Matlab 是商业数学软件 ，主要应用于与数值计算相关的科研领域
，在编程语言中排名 19 、占比 1% 。Python 语言是一种通用的高级编程语言，简单易学
、免费开源 ，应用领域几乎无所不能
，是最流行的编程语言，占比 12%
。总结来说 ，在计算研究领域 Matlab 语言的性能更强
，但在其它领域 Python 语言则是王者。

5. Python 数学建模好不好学？

综合来看，Python 比较容易学 ，也值得学 。

大神觉得简单的问题
，小白总会感到困难的
。比较而言，Python 是比较简单、易学易用的程序语言 ，比 C 语言容易学 、好掌握。不过 ，零基础学习 Matlab 会更容易上手
，要精通也不容易；而 Python 大约还是需要一个月的基础学习，才能较好地学习和使用数学建模的算法 。

既然这样 ，为什么大家一说起数学建模就会想到 Matlab 语言
，数模培训中也都在用 Matlab 语言呢？首先，Matlab 语言在数学建模中也是很好的选择；其次 ，十几年前开始搞数模竞赛时
，Python 语言还没有现在这么强大和流行；第三，Matlab 语言对于从事教学科研的老师是最熟悉
、最常用的；最后 ，是由于多年的积累和惯性 。

如果大学课程开设过计算机语言
，通常是 C语言，在此基础上自学 Python 很容易 ，可以直接结合数学建模的内容学习 Python ；如果还没有开设计算机语言课程
，自学 Python 语言也是较好的选择，特别是对于数学建模之外的需求也能胜任
。

6. 『Python 数学建模 @ Youcans』系列计划

近年来 ，学习 Python 语言的人越来越多 ，使用 Python语言学习数学建模、参加数模竞赛的同学也越来越多。但是
，关于 Python 语言数学建模的书籍 、教程仍然比较少，并且与小白的需求存在差距：老师讲的很精彩 ，我听的很激动
，下来还是不会用 。

这正是本系列『Python 数学建模 @ Youcans』写作的初衷：

• 面向数模小白 & Python 小白，从零开始 ，按照 Matlab 数学建模培训的框架体系
  ，系统讲解 Python 语言的实现方案；
• 着重讲算法的使用过程，例程尽量直接选用 Matlab 培训教程中的例题；
• 讲算法思想 ，不讲算法内容；讲算法应用条件
  ，不讲算法实现过程；
• 开源工具包能实现的算法，不要自己造轮子；
• 尽量用最简单易懂的程序结构 ，哪怕有些笨拙；
• 所有例程都是调试运行通过
  ，带有不厌其烦的详细注释 、说明和运行结果
  。

本系列『Python 数学建模 @ Youcans』计划 50篇，系统解决数学建模学习所需的技术和算法。
此前写过一些专题的『Python 数模笔记』 ，就不再更新了 ，部分内容将根据本系列的章节重新整理 。

感谢大家的支持
，希望学习 Python 数学建模的同学可以关注收藏本系列
。

最后，其实我也是一名 Python 小白。

版权说明：

欢迎关注『Python 数学建模 @ Youcans』 原创作品

CSDN 原创作品 ，转载必须标注原文链接 。

Copyright 2021 Youcans, XUPT

Crated：2021-05-26

欢迎关注『Python 数学建模 @ Youcans』系列
，每周持续更新

Python数学建模-01.新手必读
Python数学建模-02.数据导入
Python数模笔记-PuLP库（1）线性规划入门
Python数模笔记-PuLP库（2）线性规划进阶
Python数模笔记-PuLP库（3）线性规划实例
Python数模笔记-StatsModels 统计回归（1）简介
Python数模笔记-StatsModels 统计回归（2）线性回归
Python数模笔记-StatsModels 统计回归（3）模型数据的准备
Python数模笔记-StatsModels 统计回归（4）可视化
Python数模笔记-Sklearn （1）介绍
Python数模笔记-Sklearn （2）聚类分析
Python数模笔记-Sklearn （3）主成分分析
Python数模笔记-Sklearn （4）线性回归
Python数模笔记-Sklearn （5）支持向量机
Python数模笔记-模拟退火算法（1）多变量函数优化
Python数模笔记-模拟退火算法（2）约束条件的处理
Python数模笔记-模拟退火算法（3）整数规划问题
Python数模笔记-模拟退火算法（4）旅行商问题
Python数模笔记-NetworkX（1）图的操作
Python数模笔记-NetworkX（2）最短路径
Python数模笔记-NetworkX（3）条件最短路径
Python数模笔记-NetworkX（4）最小生成树
Python数模笔记-NetworkX（5）关键路径法