Mastering Python Scientific Computing

2024-09-08 00:32

本文主要是介绍Mastering Python Scientific Computing,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

线性方程组

迭代法:

雅可比迭代法

高斯赛德迭代法

非迭代法:

高斯LU矩阵分解法

高斯消元法

非线性方程组:

一维非线性方程解法:

二分法

牛顿法

割线法

插值法

逆差值法

逆二次插值法

线性分式插值法

非线性方程组解法:

牛顿法

割线法

阻尼牛顿法

Broyden法

最优化方法

应用场景

工程力学

经济学

运筹学

控制工程

石油工程

分子建模

内插法

例子:有一组机房温度的数据,时间间隔可能是固定不变的,可能不是固定不变得,估计插值计算一天剩余时间机房的温度

分段常熟内插法

线性内插法

多项式内插法

样条内插法

基于高斯过程的内插法

外插法

例子:已经获得12到65各个年龄段的用户每天上网的小时数,那么估计12岁以下和65岁以上每天上网的小时数

线性外插法

多项式外插法

锥外插法

法国曲线外插法

数值积分

辛普森法则

梯形法则

精炼梯形法则

高斯积分法则

牛顿-柯特思积分法则

高斯-勒让德积分法则

数值微分

有限差分近似法

微分求积法

有限差分系数

插值微分法

微分方程

分为两类:常微分方程(ODE)和偏微分方程(PDE)

解常微分方程:

欧拉方法

泰勒级数法

龙格-库塔法

四阶龙格-库塔法

预估-校正法

解偏微分方程:

有限元法

有限差分法

有限体积法

初值问题

常微分方程的初始值是在未知函数定义域内

边界值问题

带约束的微分方程的解必须能够同时满足微分方程的所有约束

随机数生成器

应用:

统计抽样、赌博、随机生成的设计、科学与工程领域的计算机仿真等

分类:

真随机数生成器和伪随机数生成器

统计分布生成随机数:

泊松分布

指数分布

正态分布

高斯分布

伪随机数生成器:

BBS随机数生成器

Wichmann-Hill随机数生成器

进位-互补-乘法随机数生成器

反向同余随机数生成器

ISAAC随机数生成器

滞后斐波那契随机数生成器

线性同余随机数生成器

线性反馈移位寄存器

最大周期倒数随机数生成器

梅森旋转随机数生成器

进位相乘随机数生成器

Naor-Reingold伪随机数生成器

Park-Miller随机数生成器

WELL伪随机数生成器

现成数据集

https://www.opensciencedatacloud.org/publicdata/?commons_type=General

Numpy程序包

N维度数组数据结构

文件处理

SciPy程序包

优化函数

数值分析

积分与微分

统计学

聚类和空间算法

图像处理

SymPy符号计算

多项式

微积分

方程式求解

离散数学

矩阵

几何

画图

物理学

统计学

打印

Pandas程序包

Series

DataFrame

Panel

matplotlib程序包

数据可视化

Numpy的基本对象

N维数组对象

数组属性:大小、每项大小、数据、维度

x2d = np.array(((100,200,300),(111,222,333),(123,456,789)))
print(x2d.shape)
print(x2d.dtype)
print(x2d.size)
print(x2d.itemsize)
print(x2d.ndim)
print(x2d.data)

数组基本操作

x = np.array([1,12,25,8,15,35,50,7,2,10])
print(x[3:7])
print(x[1:9:2])
print(x[0:9:3])
x = np.array([1,12,25,8,15,35,50,7,2,10])
x2d = np.array(((100,200,300),(111,222,333),(123,456,789),(125,457,791),(127,459,793),(129,461,795)))
for i in x:print(i)
for row in x2d:print(row)

数组的特殊操作

x2d = np.array(((100,200,300),(111,222,333),(123,456,789),(125,457,791),(127,459,793),(129,461,795)))
print(x2d)
print(x2d.ravel())
print(x2d.resize(3,6))
print(x2d.reshape(6,3))

与数组相关的类

矩阵子类

a = np.matrix('1 2 3;4 5 6;7 8 9')
print(a)
b = np.matrix('4 5 6;7 8 9;10 11 12')
print(b)
print(a*b)

掩码数组

x = np.array([72,79,85,90,150,-135,120,-10,60,100])
mx = ma.masked_array(x,mask=[0,0,0,0,0,1,0,1,0,0])
mx2 = ma.masked_array(x,mask=x<0)
print(x.mean())
print(mx.mean())
print(mx2.mean())

结构化数组

rectype = np.dtype({'names':['mintemp','maxtemp','avgtemp','city'],'formats':['i4','i4','f4','a30']})
a = np.array([(10,44,25.2,'Indore'),(10,42,25.2,'Mumbai'),(2,48,30,'Delhi')],dtype=rectype)
print(a[0])
print(a['mintemp'])
print(a['maxtemp'])
print(a['avgtemp'])
print(a['city'])

各种可用的通用函数

x1 = np.array([72,79,85,90,150,-135,120,-10,60,100])
x2 = np.array([72,79,85,90,150,-135,120,-10,60,100])
x_angle = np.array([30,60,90,120,150,180])
x_sqr = np.array([9,16,25,225,400,625])
x_bit = np.array([2,4,8,16,32,64])
print(np.greater_equal(x1,x2))
print(np.mod(x1,x2))
print(np.exp(x1))
print(np.reciprocal(x1))
print(np.negative(x1))
print(np.isreal(x1))
print(np.isnan(np.log10(x1)))
print(np.sqrt(np.square(x_sqr)))
print(np.sin(x_angle*np.pi/180))
print(np.tan(x_angle*np.pi/180))
print(np.right_shift(x_bit,1))
print(np.left_shift(x_bit,1))

Numpy的数学模块

arr2d = np.array(((100,200,300),(111,222,333),(129,461,795)))
eig_val,eig_vec = LA.eig(arr2d)
print(LA.norm(arr2d))
print(LA.det(arr2d))
print(LA.inv(arr2d))
arr1 = np.array([[2,3],[3,4]])
arr2 = np.array([4,5])
results = np.linalg.solve(arr1,arr2)
print(results)
print(np.allclose(np.dot(arr1,results),arr2))

SciPy数学函数

积分

quad函数高斯积分

result = quad(lambda x:special.jv(4,x),0,20)
print(result)
print("Gaussian integral",np.sqrt(np.pi),quad(lambda x:np.exp(-x**2),-np.inf,np.inf))
def integrand(x,a,b,c):return a*x*x+b*x+c
a = 3
b = 4
c = 1
result = quad(integrand,0,np.inf,args=(a,b,c))
print(result)
二重积分(dblquad)和三重积分(tplquad)

def integrand(t,x,n):return np.exp(-x*t)/t**n
n = 4
result = dblquad(lambda t,x:integrand(t,x,n),0,np.inf,lambda x:0,lambda x:np.inf)
print(result)

固定间隔的高斯积分

def integrand(x,a,b):return a*x+b
a = 2
b = 1
fixed_result = fixed_quad(integrand,0,1,args=(a,b))
result = quadrature(integrand,0,1,args=(a,b))
print(result)

辛普森法则

def func1(a,x):return a*x**2+2
def func2(b,x):return b*x**3+4
x = np.array([1,2,4,5,6])
y1 = func1(2,x)
Intgrl1 = simps(y1,x)
print(Intgrl1)
y2 = func2(3,x)
Intgrl2 = simps(y2,x)
print(Intgrl2

odeint函数做常微分方程

def derivative(x,time):a = -2.0
    b = -0.1
    return array([x[1],a*x[0]+b*x[1]])
time = linspace(1.0,15.0,1000)
xinitialize = array([1.05,10.2])
x = odeint(derivative,xinitialize,time)
plt.figure()
plt.plot(time,x[:,0])
plt.xlabel('t')
plt.ylabel('x')
plt.show()
信号处理









这篇关于Mastering Python Scientific Computing的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1146605

相关文章

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.