Site de référence: [Introduction to Python] Utilisation basique de la bibliothèque scipy que vous devez absolument connaître
Il existe de nombreuses bibliothèques utiles en Python, et scipy en fait partie. scipy est une bibliothèque pour effectuer des calculs scientifiques avancés. Il y a numpy dans une bibliothèque similaire, mais scipy peut effectuer des opérations de tableau et de matrice qui peuvent être effectuées avec numpy, ainsi que d'autres calculs tels que le traitement du signal et les statistiques.
Cette fois, je vais expliquer l'utilisation de base de scipy.
table des matières 1 Installez scipy 1.1 Installation de numpy 1.2 Installation de scipy 2 Utilisez scipy 2.1 Intégration 2.2 Fonctionnement de la matrice
Vous avez besoin de numpy pour utiliser scipy, alors installons d'abord numpy.
Ensuite, installez scipy. scipy peut être installé avec la commande pip.
pip install scipy
Si vous ne pouvez pas installer avec pip, téléchargez Scipy à partir de la page suivante et installez le fichier téléchargé avec la commande pip.
http://www.lfd.uci.edu/~gohlke/pythonlibs/
commande pip
pip installez le chemin du fichier que vous venez de télécharger
Il existe plusieurs versions de scipy, alors téléchargez la version qui convient à votre python ou à votre système d'exploitation. Par exemple, le fichier "scipy-0.18.1-cp36-cp36m-win_amd64.whl" est pour python3.6, Windows 64 bits.
Après avoir installé scipy, utilisons-le immédiatement. Cependant, scipy a tellement de fonctionnalités que je ne peux pas les couvrir toutes. Voici quelques-unes des fonctionnalités les plus couramment utilisées.
Si vous utilisez scipy, vous pouvez facilement intégrer la fonction (intégration constante). Utilisez quad () dans le module scipy.integrate pour effectuer l'intégration.
from scipy import integrate #Doit être requis
Variable 1,Variable 2= integrate.quad(une fonction,Début de l'intervalle d'intégration,Fin de l'intervalle d'intégration)
quad () constant-intègre la fonction donnée au début de l'intervalle, la fin de l'intervalle et renvoie deux valeurs. Le résultat de l'intégration est renvoyé dans la variable 1 et l'erreur dans le calcul d'intégration est renvoyée dans la variable 2.
from scipy import integrate
#2x+Représente 5
def func(x):
return 2*x + 5
result, err = integrate.quad(func, 0, 5)
print('Résultat d'intégration:{0}\erreur n:{1}'.format(result, err))
Résultat d'exécution
Résultat d'intégration: 50,0 Erreur: 5.551115123125783e-13
Comme c'est difficile, je vais l'omettre ici, mais il est possible d'effectuer des opérations avancées telles que l'intégration bidimensionnelle et les équations différentielles ainsi que l'intégration constante.
Vous pouvez effectuer des opérations matricielles avec numpy, mais vous pouvez utiliser scipy pour des opérations plus avancées. Pour les opérations matricielles, utilisez scipy.linalg, qui résume les fonctions de l'algèbre linéaire.
rom scipy import linalg
import numpy as np #Utilisez numpy
narray = np.array([[1, 2], [3, 4]]) #Représenter une matrice avec un tableau numpy
inv_narray = linalg.inv(narray)
print('Inverse de narray:\n{}\n'.format(inv_narray))
result_det = linalg.det(inv_narray)
print('inv_expression de matrice narray:{}\n'.format(result_det))
inv_narray_norm = linalg.norm(inv_narray)
print('inv_norme narray:{}'.format(inv_narray_norm))
Résultat d'exécution
Inverse de narray: [[-2. 1. ] [ 1.5 -0.5]] Expression de matrice Inv_narray: -0,49999999999999967 Norme Inv_narray: 2.73861278752583
De plus, scipy peut facilement effectuer des calculs scientifiques avancés tels que le traitement du signal, l'analyse d'image, le traitement statistique et la transformée de Fourier. Le nombre est énorme et ne peut être expliqué ici, donc si vous souhaitez utiliser plus scipy, veuillez vous référer à la documentation officielle. Document officiel
Articles recommandés ➡ Réputation des livres et livres de référence Python ➡ À voir absolument pour ceux qui veulent apprendre Python! Résumé des 5 écoles recommandées
Recommended Posts