La version de Python utilisée est la 3.5.1. Il est pratique d'installer numpy ・ (scipy ・) matplotlib ・ sympy en tant que package, mais je ne l'utiliserai pas cette fois.
Si vous avez installé Python en tant que package sous Linux, vous pouvez également l'installer à partir du package. D'autres utilisent pip. (Pour Windows, démarrez à l'avance le shell d'alimentation de l'invite de commande avec les privilèges d'administrateur et installez le package wheel avec pip (pip install wheel). Si l'installation avec pip échoue, https: // pypi Veuillez télécharger la roue qui correspond à l'architecture Python (32/64 bits) / version à partir de .python.org / pypi / wheel / à l'avance, puis la transmettre à " pip install ")
Pour la série Unix, commencez par le terminal. (python3)
Dans le cas de Windows, vous pouvez le démarrer à partir du shell d'alimentation de l'invite de commande si vous passez le chemin, mais vous ne pouvez pas utiliser de chaînes de caractères qui ne sont pas dans Shift-JIS telles que 鷗.
Le premier est le calcul de base.
>>> 1 + 1
2
>>> 2**3
8
>>> 1/2
0.5
>>> 1 % 2
1
>>> 5 % 3
2
>>> 0.5 * 0.25
0.125
Les paramètres, l'utilisation et la suppression des variables sont les suivants.
>>> x = 5
>>> x ** 2
25
>>> del(x)
Utilisez ensuite diverses fonctions.
Premier,
>>> import math as MT
>>> MT.sin(MT.pi * 0.25)
0.7071067811865476
Ensuite, demandons 610!.
Prenez le logarithme régulier des deux côtés de
Remplaçant $ n = 610 $
Si vous trouvez 610! Tel quel, le nombre de chiffres sera dangereux, alors trouvez-le avec le coefficient $ a \ fois 10 ^ b \ quad (1 \ leq a <10 \ wedge b \ in \ mathbb {Z}) $.
$610! = a \times 10^b $
Prenez le logarithme régulier des deux côtés de
De $ 0 \ leq \ log_ {10} a <1 \ wedge b \ in \ mathbb {Z} $
C'est,
Ce sera.
Relation:

Si vous écrivez ceci en Python, cela ressemblera à ceci:
>>> val = 0
>>> for i in range(2,611):
	val += MT.log10(i)
	
>>> print("610! = ", 10 ** (val - MT.floor(val)), "×10^", MT.floor(val), sep = "")
610! = 8.382616099017579×10^1435
Wow ~ C'est McDobotakuri ~ (bâtons de lecture)
Avec numpy / scipy, vous pouvez faire des choses plus avancées telles que des opérations matricielles / vectorielles. (par exemple, «numpy.array»)
De plus, sympy peut transformer des expressions variables et résoudre des équations. (par exemple, sympy.symbols)
matplotlib peut dessiner des graphiques. Autrement dit, vous pouvez retirer le travail de gnuplot.
Recommended Posts