一个物理学家需要学多少编程知识？

[semihuman]

请问楼主是“物理学家”吗？

[黄美姬]

火爆贴，强留名，我是卧龙，如有意见，请参考第1、5条

[jobinson99]

【爱因斯坦】不会编程
【霍金】不知道会不会，可以确定的是他从来没有编过程序。
【尼古拉·特斯拉】不会编程
【李政道】不会编程
【杨振宁】不会编程
【居里夫人】不会编程
【奥本海默】不会编程
【薛定谔】不会编程
【。。。。。】不会编程
物理学家不是程序员不一定要会编程，会编程的不一定就是物理学家。
楼主到底是要做物理学家还是程序员？劝楼主首先确定自己的目标，然后再做其他。
您觉得这个回答，您满意了吗？

此言差矣，你举的例子，有一个特点：他们的时代(做科研的黄金时代，30岁左右？)，计算机不普及。

或许，如果他们当时有计算机，就更NB了呢？

兄弟的理解能力有些问题？
楼主问的是编程，不是有没有计算机。
【钱学森】【钱三强】二老这个年代计算机发达了吧，也没听说他们二老去编程啊？

这两楼可能都错了，他们都几乎都编程了，不过他们的计算机大部分是打孔机，不信读他们的回忆录，几乎都有他们守着一台牛爬的庞大机器，手上拉着长长的一卷纸，对着计算结果的描述。

另外，楼上有人说用现成库＋胶水就够了，也有误，研究到一定程度之后，那些算法都要自己来写才行的，这方面计算机专业的人靠边站。
在专业性的领域，专业程序人员就像专门学外语的人一样，都是玩不过非专业编程／翻译的该领域专家的。

以前我也认为只要学学胶水语言就够了，比如python，库好多哦。我以为我可以一劳永逸了，结果最后发现，那些库对我都不合适，最后我还得自己重新写，这样反而浪费了我大量时间，重新学一门专业语言。
所以，楼上说的先学c在学c＋＋最后学fortran的想法，是给专业编程人员用的，而如果专业不是搞编程的，前面两个都可以不用学，超算的存在一定程度上就是为了减少专家在编程上对性能的苛求的。

[tangboyun]

我说的胶水语言就是C阿而不是脚本语言。。。。perl、python之类不适合做数据密集型的运算。脚本语言的“库”不叫库，叫wrapper....方便外行用的一个外包而已。。。。数值计算上的库，只有c和fortran。。。。（perl的cpan包是多，但多是杂七杂八的包，数值计算的包，没什么的，都是调用R的，python就不说了，本身包把关是严，文档编的比perl的好，但数量远远不及perl和R）

任何语言的库，都可以通过c来中转，其他高级语言之间转换比较麻烦。学c这个才叫胶水。

楼上你说的专业领域的算法，我想说的是，最前沿的，比如文献上才发表的，往往几个月后，R包就出来了，但是从效率上讲，都不怎么地。。。比如，几乎没有写成并发的。

构筑这些算法的高维数据运算底层的底层Fortan实现是很稳定的，有些都30年没变了。你觉得一个新手需要重写这些基本库？比如方程求解，矩阵求逆？
Matrix Computations (Johns Hopkins Studies in Mathematical Sciences)(3rd Edition)


这本书出了30多年了阿，几乎都没变过阿。

我从来不认为python、perl那些库是用来做科学计算的，以生物信息学来说，那些只是用来做数据库接口或者基因组序列注解用的比较多的，预测和算法原型构建是用R包比较多，但最终的成熟实现一般是写成c库的，这样可以容易的往其他语言port。

胶水就是c阿。

要免费的数值软件的话，不用考虑其他了，就是R，R的特点就是和学术界的联系很紧密，缺点就是新的包，往往接口也不稳定，而且多数是作成c-binding的。

你们楼上说的其他那些数值计算软件，有个特点就是更新太慢，往往要等算法稳定之后才会在新版本中推出，毕竟是商业化产品，但从学术考虑的话，就不行了，总归会慢许多拍。

诺，当然那，如果让我现在推荐楼上学一门其他语言的话，我会推荐haskell的，适合大数据量吞吐（LazyIO）和多核并发（纯函数编程语言、基于策略的lazy evaluation），而且FFI-bingding做的很强大，可以很容易和c内联，必要的时候可以和c运行时互调裸内存，平时还可以当个脚本用用，我是绕了个大圈才捡到这块宝的。缺点是目前没有很统一的数值计算库（但如果会c的话，这就不构成缺点了).

[leni]

这楼怎么这么高了……
物理学家只需要学学《数值分析》就可以了吧。会用matlab，又不是要会写个matlab的软件出来。

[jtshs256]

围观下，顺便被扫盲……

[tangboyun]

matlab缺点就是更新慢的一b，比如说把，本身内建的支持向量机都tmd只能做2类的，matlab适合公司开发，不适合做研究。它只有成熟的算法，没有最新的进展，而且越做越封闭。要从外部调用是越来越恶心了。

要从头学的话，反正我是后悔学matlab的。当然matlab好处就是资源多，论坛多，R的话国内没啥论坛的，不上irc这种的话，没啥交流地方。

[jobinson99]

我说的胶水语言就是C阿而不是脚本语言。。。。perl、python之类不适合做数据密集型的运算。脚本语言的“库”不叫库，叫wrapper....方便外行用的一个外包而已。。。。数值计算上的库，只有c和fortran。。。。（perl的cpan包是多，但多是杂七杂八的包，数值计算的包，没什么的，都是调用R的，python就不说了，本身包把关是严，文档编的比perl的好，但数量远远不及perl和R）
任何语言的库，都可以通过c来中转，其他高级语言之间转换比较麻烦。学c这个才叫胶水。
楼上你说的专业领域的算法，我想说的是，最前沿的，比如文献上才发表的，往往几个月后，R包就出来了，但是从效率上讲，都不怎么地。。。比如，几乎没有写成并发的。
构筑这些算法的高维数据运算底层的底层Fortan实现是很稳定的，有些都30年没变了。你觉得一个新手需要重写这些基本库？比如方程求解，矩阵求逆？
Matrix Computations (Johns Hopkins Studies in Mathematical Sciences)(3rd Edition)

这本书出了30多年了阿，几乎都没变过阿。
我从来不认为python、perl那些库是用来做科学计算的，以生物信息学来说，那些只是用来做数据库接口或者基因组序列注解用的比较多的，预测和算法原型构建是用R包比较多，但最终的成熟实现一般是写成c库的，这样可以容易的往其他语言port。
胶水就是c阿。
要免费的数值软件的话，不用考虑其他了，就是R，R的特点就是和学术界的联系很紧密，缺点就是新的包，往往接口也不稳定，而且多数是作成c-binding的。
你们楼上说的其他那些数值计算软件，有个特点就是更新太慢，往往要等算法稳定之后才会在新版本中推出，毕竟是商业化产品，但从学术考虑的话，就不行了，总归会慢许多拍。
诺，当然那，如果让我现在推荐楼上学一门其他语言的话，我会推荐haskell的，适合大数据量吞吐（LazyIO）和多核并发（纯函数编程语言、基于策略的lazy evaluation），而且FFI-bingding做的很强大，可以很容易和c内联，必要的时候可以和c运行时互调裸内存，平时还可以当个脚本用用，我是绕了个大圈才捡到这块宝的。缺点是目前没有很统一的数值计算库（但如果会c的话，这就不构成缺点了).

R的更新，我不认为是程序员在起主要作用，反倒认为更新的人首先是该领域专业人员，其次才是程序员，否则也不会编出来的东西效率有限了。专业编程人员和特定领域专家编程习惯是不同的，专业编程人员，更加注重运行效率，但跟不上特定领域快速更新的需求；而特定领域专家更加注重实现，只要能实现就好了，即使这个实现缺陷严重，效率低下，都没关系。

你认为不需要重写基础库，那是以该领域的外行人或者新手角度来看的，专门研究该领域的人，很可能就是靠重写某个基础库来扬名立万的。

ps:我也是找来找去，最终发现lisp适合我，呵呵，兜了太大一个圈了。

[tangboyun]

基础库指的是是blas lapack这种，90年以来，fortran版本几乎没有改动，靠写基础库成名？用几次乘法用几次加法都得为了精度斤斤计较的，这才叫基础库好吗。能用fortran、浮点汇编指令去计较这点东西的时候，什么c/c++，r也好，lisp也好，这些已经不构成任何难度了好么。那些把语言区别看的很重的，殊不知，语言才是相对容易学的，整个顺序就颠倒了。

程序员不会去看浮点手册的，包括我上面罗列出的那本书，去看了说明已经是搞数值计算的工程师了。程序员要注重的设计模式和GUI之类，在数值计算领域是不怎么需要的（当然可以提高素养）。

“即使这个实现缺陷严重，效率低下，都没关系”这话是搞计算的人说的么？跑一次的时间是用小时、天、周做单位计算的好么！时间才是最重要的。
目前在用CUDA这种的，是普通程序员还是在搞数值计算的？重点都没分清吧，性能才是第一的，其他都是次要的，什么能不能重用之类的，毕竟只要跑在自己的系统上。

[liu滔]

我说的胶水语言就是C阿而不是脚本语言。。。。perl、python之类不适合做数据密集型的运算。脚本语言的“库”不叫库，叫wrapper....方便外行用的一个外包而已。。。。数值计算上的库，只有c和fortran。。。。（perl的cpan包是多，但多是杂七杂八的包，数值计算的包，没什么的，都是调用R的，python就不说了，本身包把关是严，文档编的比perl的好，但数量远远不及perl和R）
任何语言的库，都可以通过c来中转，其他高级语言之间转换比较麻烦。学c这个才叫胶水。
楼上你说的专业领域的算法，我想说的是，最前沿的，比如文献上才发表的，往往几个月后，R包就出来了，但是从效率上讲，都不怎么地。。。比如，几乎没有写成并发的。
构筑这些算法的高维数据运算底层的底层Fortan实现是很稳定的，有些都30年没变了。你觉得一个新手需要重写这些基本库？比如方程求解，矩阵求逆？
Matrix Computations (Johns Hopkins Studies in Mathematical Sciences)(3rd Edition)

这本书出了30多年了阿，几乎都没变过阿。
我从来不认为python、perl那些库是用来做科学计算的，以生物信息学来说，那些只是用来做数据库接口或者基因组序列注解用的比较多的，预测和算法原型构建是用R包比较多，但最终的成熟实现一般是写成c库的，这样可以容易的往其他语言port。
胶水就是c阿。
要免费的数值软件的话，不用考虑其他了，就是R，R的特点就是和学术界的联系很紧密，缺点就是新的包，往往接口也不稳定，而且多数是作成c-binding的。
你们楼上说的其他那些数值计算软件，有个特点就是更新太慢，往往要等算法稳定之后才会在新版本中推出，毕竟是商业化产品，但从学术考虑的话，就不行了，总归会慢许多拍。
诺，当然那，如果让我现在推荐楼上学一门其他语言的话，我会推荐haskell的，适合大数据量吞吐（LazyIO）和多核并发（纯函数编程语言、基于策略的lazy evaluation），而且FFI-bingding做的很强大，可以很容易和c内联，必要的时候可以和c运行时互调裸内存，平时还可以当个脚本用用，我是绕了个大圈才捡到这块宝的。缺点是目前没有很统一的数值计算库（但如果会c的话，这就不构成缺点了).

R的更新，我不认为是程序员在起主要作用，反倒认为更新的人首先是该领域专业人员，其次才是程序员，否则也不会编出来的东西效率有限了。专业编程人员和特定领域专家编程习惯是不同的，专业编程人员，更加注重运行效率，但跟不上特定领域快速更新的需求；而特定领域专家更加注重实现，只要能实现就好了，即使这个实现缺陷严重，效率低下，都没关系。

你认为不需要重写基础库，那是以该领域的外行人或者新手角度来看的，专门研究该领域的人，很可能就是靠重写某个基础库来扬名立万的。

ps:我也是找来找去，最终发现lisp适合我，呵呵，兜了太大一个圈了。

兄弟，我也很喜欢Lisp啊，不过我倒是对你绕了个什么样子的圈子很感兴趣
我现在喜欢拿Lisp来做《数值分析》的作业，例如用对分法、迭代法、埃特肯法和牛顿切线法等方法来解方程，只是有时候会出现计算结果差了十万八千里的情况，我认为主要原因不是我写的算法有问题，倒是Lisp中不为我所知的原因，因为同样的算法用C来实现就不会计算出天文数字这种结果。所以说，使用什么样子的编程语言还是很有影响的，ESR就说学习Lisp是使我们以一种不同的视角来看程序，而C语言我觉得使我们以机器的视角来看程序，Lisp是从数学的角度。说得不好，还请见谅……

[jobinson99]

基础库指的是是blas lapack这种，90年以来，fortran版本几乎没有改动，靠写基础库成名？用几次乘法用几次加法都得为了精度斤斤计较的，这才叫基础库好吗。能用fortran、浮点汇编指令去计较这点东西的时候，什么c/c++，r也好，lisp也好，这些已经不构成任何难度了好么。那些把语言区别看的很重的，殊不知，语言才是相对容易学的，整个顺序就颠倒了。
程序员不会去看浮点手册的，包括我上面罗列出的那本书，去看了说明已经是搞数值计算的工程师了。程序员要注重的设计模式和GUI之类，在数值计算领域是不怎么需要的（当然可以提高素养）。
“即使这个实现缺陷严重，效率低下，都没关系”这话是搞计算的人说的么？跑一次的时间是用小时、天、周做单位计算的好么！时间才是最重要的。
目前在用CUDA这种的，是普通程序员还是在搞数值计算的？重点都没分清吧，性能才是第一的，其他都是次要的，什么能不能重用之类的，毕竟只要跑在自己的系统上。

搞计算机和搞物理／数学／化学／统计等的人，对于计算机运算的要求是很不同的。在后面那批人眼里，计算机仅仅是个工具箱，如果其中某个工具不好用，或者他们在该领域有新想法了，那么他们会根据自己的专业需要重新造一个，此时，表现在程序上就是重写基础库。和你说的这些是很不一样的，当然，也是我没说清楚，把两个合在一起说了。
胡乱举个例子，可能程序默认1+1=2，但某个数学家通过特定计算，认为1+1=0.99999，但永远不等于2，此时，他为了进一步发展他的思想，就会去把程序里的1+1=2的规则改为1+1=0.99999，他关注的是实现，不会过多考虑这个改法在计算机中的运行效率。该数学家扬名立万可能靠的是1+1=0.99999，对于计算机来说，不可避免会改变了基础库。————我上面说得匆忙，变成了靠改写基础库扬名立万，让你误读了，对不起。

而如果是计算机人员，他们关注的就不会是1+1＝2还是1+1=0.99999，而是要关注的是，这两个加法运行需要多长时间，而不会去关注1+1=0.9999背后包含了什么数学思想。

ps：编程语言相对特定领域专业知识来说确实更容易学习。
但用什么语言还是有讲究的，最大的讲究就是：我如何用最少的时间、最少的精力、去编写适合自己需要的东西，但又不用像专业计算机人员、编程人员那样，去过分关注性能、资源回收等其他细节。

回liu滔：
我绕的圈子太大了，都不好意思说。
lisp可以从麦卡锡上世纪五六十年代的论文入手，尤其是要设身处地站在他们那个时代，设想以他们当时能掌握的工具和他们的需求，如果是我们，会怎么做。多这么想几次，基本上就没难度了。
那个结果天文数字是不是类似这样？：
1/3.0=0.33333333333333333333333333333333333……
精确的话，可以这样（不带小数点，就可保留比率形式）
1／3＝1／3

[tangboyun]

咳，还是没懂我意思，浮点数，不是2的次方无法精确表达的，所以每次做加减乘除，特别是乘除，就会丢失一部分有效数字，这和思想没关系，而是浮点的表示手段天生的缺陷。随着计算步骤增多，误差会累积起来，一般的程序员会关注这些么？在个大矩阵里做运算，数值计算软件优点就是有现成的参数可以让你控制误差。可以设置底层可以用什么浮点优化模型。
一个浮点大矩阵的反复运算，特别是需要预先把值scaling到一定范围的（像样点的统计都需要这样），比如【0，1】区间内，那么最后的误差结果很容易突破5%以上的，甚至25%以上。如果你设计的算法根本就没考虑精度的丢失问题，比如一个n个数的数列的sum，不要做超过logn次的加法，整个全是小数的数列，要保证精度可能就需要先乘一个大整数再做运算，最后在除回去，这种是最简单的道理。这也是为啥我说一开始就去搞fortran自己写运算容易出问题的道理，没有这个觉悟，不要碰fortran，没意思的，写胶水远不如c灵活。相比之下，什么c、c++、什么虚汗数、指针引一引，这都已经不算什么了，因为你搞了那种深度已经到了底层做这步运算要用几个汇编指令都必须清楚，是不是可以用其他更少指令来替代，这种程度就是写基本库的难度。
下面这个示例已经写进描述浮点误差的教科书了：

1991年2月25日，一枚伊拉克飞毛腿导弹击中了沙特阿拉伯载赫蓝的一个军营，杀死了美国陆军第十四军需分队的28名士兵。
政府调查指出该次失败归咎于导弹系统时钟内的一个软件错误。在此之前，爱国者导弹连在载赫蓝已经连续工作了100小时。至此，导弹的时钟已经偏差了三分之一秒，相等于600米的距离误差。由于这个时间误差，纵使雷达系统侦察到飞毛腿导弹并且预计了它的弹道，系统却找不到实际上来袭的导弹。在这情况下，起初的目标发现被视为一次假警报，侦测到的目标也从系统中删除。以色列方面发现了这个问题并于1991年2月11日知会了美国陆军及爱国者计划办公室（软件制造商）。以色列方面建议重新启动爱国者系统的电脑作为暂时解决方案，可是美国陆军方面却不明白需要每间隔多少时间就需要重新启动系统一次。1991年2月16日，制造商向美国陆军提供了更新软件。这个软件最终在飞毛腿导弹击中军营后的一天才运抵部队。

[jobinson99]

搞弹道研究的，会研究多大的动力带来弹道如何改变，或者觉得现在的弹道公式可能不适合，然后放电脑里计算模拟下，看看效果。——特定领域专家

搞计算的，把搞弹道研究的人研究的成果正式应用到导弹里，此时才会涉及到浮点问题。——搞计算的

搞产品开发的，为了让导弹操作简便，搞了个图形界面，此时，根本不涉及后台的计算。——搞编程的

这三类，都需要学会一种编程语言，但需求是严重不同的。一般如果团队实力强劲，专家是不需要学会编程语言的，只需要把自己的需求告诉搞计算的。不过这情况太理想了，太多专家都没这个条件，往往还是单打独斗，所以需要稍微学点程序，以方便自己研究。

[Trilobita]

这个问题没有意义吧,钱学深懂编程吗?

[hcym]

看签名，乖乖，物理学家才需要思想和思考

日，啥年月了

还拿科学当宗教，知识和金钱，权力一样，都能换豪宅美女

高级神经病