[PYTHON] Datenverarbeitungsmethoden für Maschinenbauingenieure und Nicht-Computeringenieure (Einführung 1)

Diese Seite richtet sich an Studenten und / oder neue Maschinenbauingenieure.

Es ist nicht notwendig, es zu lesen, da es ein Anfänger für Doktoranden und Maschinenbauingenieure ist, die in Forschung und Entwicklung tätig sind.

Übrigens steht bei der Erfassung experimenteller Daten in Forschung und Entwicklung eine große Menge (Zehntausende bis Hunderttausende) von Zeitreihendaten zur Verfügung. Ich denke, ich kann es bekommen. In diesem Fall verursacht die Datenverarbeitung in Form des Hinterlassens in einer Textdatei wie CSV / TSV ein Speicherproblem auf der Softwareseite. Es gibt auch eine technische Problemumgehung für dieses Problem, indem Sie es nacheinander im Binärdateiformat lesen. Es gibt, aber das Ziel dieses Dokuments ist es, die Daten mit DB-Technologie zu verarbeiten.

Voraussetzung Betriebssystem: Windows7 32bit oder 64bit

Installieren Sie zunächst eine Skriptsprache namens Python. Die Leser dieser Seite sind wahrscheinlich neu in Python. Eine Skriptsprache, die viel kürzer als eine Compilersprache wie C / Fortran ist und präzise geschrieben werden kann, reduziert jedoch letztendlich die Lern- und Entwicklungskosten. Dann wird die HP von Python unten gezeigt.

http://www.python.org/

Die aktuellste Version ist Python 2.76, die Download-Seite finden Sie weiter unten. http://www.python.org/download/releases/2.7.6/

Laden Sie dazu das Installationspaket herunter und installieren Sie es. Ist Prost auf gute Arbeit. Die Einführungsausgabe endet hier.

Recommended Posts

Datenverarbeitungsmethoden für Maschinenbauingenieure und Nicht-Computeringenieure (Einführung 2)
Datenverarbeitungsmethoden für Maschinenbauingenieure und Nicht-Computeringenieure (Einführung 1)
Organisation grundlegender Verfahren zur Datenanalyse und statistischen Verarbeitung (4)
Liste der Python-Bibliotheken für Datenwissenschaftler und Dateningenieure
Kenntnisse und Studienmethoden für zukünftige Datenanalysten erforderlich
Organisation grundlegender Verfahren zur Datenanalyse und statistischen Verarbeitung (2)
Einführung in die statistische Modellierung für die Datenanalyse GLM-Ähnlichkeitsverhältnis-Test und Testasymmetrie
Informationen zur Datenerweiterungsverarbeitung für tiefes Lernen
Eine Einführung in die statistische Modellierung für die Datenanalyse
Verarbeitung und Beurteilung des Datenanalyseplans (Teil 1)
Verarbeitung und Beurteilung des Datenanalyseplans (Teil 2)