Python è ora un linguaggio di programmazione molto popolare per sviluppare diversi tipi di applicazioni o risolvere problemi di programmazione. Contiene molte librerie e pacchetti standard per vari scopi. Python (X, Y) è una delle distribuzione gratuita di Python per l'esecuzione di calcoli matematici e analisi dei dati. È sviluppato e mantenuto da Pierre Raybaut. L'utente può eseguire vari calcoli scientifici utilizzando questa distribuzione come trama 2D o 3D, sviluppo di progetti scientifici, calcolo parallelo, ecc. Si basa sul quadro di sviluppo QT e sull'ambiente di sviluppo di Spyder. È sviluppato principalmente per i programmatori scientifici. Supporta le lingue interpretate e compilate. Dovresti avere una conoscenza di base di Python per usare Python (X, Y). Può essere utilizzato nei sistemi operativi di Windows e Linux. In questo tutorial è mostrato come Python (X, Y) può essere installato e utilizzato sul sistema operativo Ubuntu.

Prima dell'installazione:

Il sistema operativo deve essere aggiornato prima di installare Python (x.y). Esegui il comando seguente per aggiornare il sistema.

$ sudo apt-get update

È necessario verificare che qualsiasi interprete di Python sia installato prima nel sistema. Esegui il comando seguente per controllare la versione installata di Python. È meglio rimuovere qualsiasi versione Python precedentemente installata prima di installare Python (X, Y).

$ Python

L'output mostra che nel sistema non è stato installato nessun pacchetto Python. In questo caso, dobbiamo installare prima l'interprete di Python.

Installa Python (x.y)

Puoi installare pacchetti Python (X, Y) o Scientific Python in due modi. Un modo è scaricare e installare un pacchetto Python (X, Y) appropriato basato su Ubuntu e un altro modo è installare i pacchetti necessari per l'esecuzione di un calcolo scientifico in Python. Il secondo modo è facile da installare, che è seguito in questo tutorial.

Passaggi:

1. Innanzitutto, devi installare l'interprete Python e il gestore di pacchetti per avviare il processo di installazione. Quindi, esegui il seguente comando da installare Python3 E pip pithon3 Pacchetti. Premere 'y'Quando chiederà l'autorizzazione per l'installazione.

$ sudo apt-get Installa python3 python3-pip

2. Successivamente, devi installare le biblioteche scientifiche necessarie di Python3 Per fare operazioni scientifiche. Esegui il comando seguente per installare le librerie. Qui, cinque librerie saranno installate dopo aver eseguito il comando. Questi sono Numpy, Matplotlib, Scipy, Panda E Sympy. Gli usi di queste librerie sono spiegati nella prossima parte di questo tutorial.

$ sudo apt-get Installa python3-numpy python3-matplotlib
Python3-Scipy Python3-Pandas Python3-Sympy

3. Per rimuovere i limiti dell'interprete di Python e fornire un'interfaccia intuitiva, ipython Il pacchetto viene utilizzato. Esegui il seguente comando da installare ipython3 pacchetto.

$ sudo apt-get install ipython3

4. Esegui il seguente comando da installare Qt5 pacchetti correlati per lo sviluppo della GUI.

$ sudo apt-get Installa python3-pyqt5
pithon3-pyqt5.Qtopengl Python3-Pyqt5.QtQuick

5. Spyder è un utile editor di codice che può evidenziare la sintassi e semplificare la modifica del codice e il debug. Esegui il seguente comando da installare Spyder.

$ sudo apt-get install spyder3

Se tutti i pacchetti sopra menzionati sono installati correttamente senza alcun errore, il tuo Python (X, Y) è installato correttamente.

Usando Python (X, Y):

Alcuni usi di base di Python (x, y) sono mostrati in questa parte del tutorial usando diversi esempi con spiegazioni. Dovrai eseguire il Spyder Editor di codice per iniziare a utilizzare Python (X, Y). Clicca sul Mostra l'applicazione icona e tipo 'sp ' nella casella di ricerca. Se Spyder è installato correttamente allora Spyder apparirà l'icona.

Clicca su Spyder3 icona per aprire l'applicazione. La seguente schermata apparirà dopo aver aperto l'applicazione.

Ora puoi iniziare a scrivere codice per svolgere attività di calcolo scientifico. Gli usi di base delle cinque librerie installate di Python3 per operazioni scientifiche sono mostrati nei seguenti sei esempi.

Esempio-1: usando variabili e tipi

Questo esempio mostra l'uso di base dei tipi di dati e delle variabili Python. Nello script seguente, vengono dichiarati quattro tipi di variabili. Questi sono ionteger, galleggiante, booleano E corda. tipo() Il metodo viene utilizzato in Python per scoprire il tipo di variabile.

#!/usr/bin/env python3
#Assigning del valore intero
var1 = 50
stampa (tipo (var1))
#Assing Valore galleggiante
var2 = 3.89
Stampa (tipo (VAR2))
#Assigning
var3 = true
Stampa (tipo (VAR3))
#Assigning del valore della stringa
var4 = "linuxhint"
Stampa (tipo (VAR4))

Produzione:
Esegui lo script premendo giocare ( ) pulsante dalla parte superiore dell'editor. Se fai clic su Explorer variabile Scheda dal lato destro, quindi verrà visualizzato il seguente output per le quattro variabili.

Esempio-2: usando Numpy per creare un array e multidimensionali

Tutti i tipi di calcolo numerico sono eseguiti da numpy Pacchetto in Python. La struttura dei dati multidimensionali, il vettore e i dati della matrice possono essere definiti e utilizzati da questo modulo. Può calcolare molto rapidamente perché è sviluppato da C e Fortran. numpy Il modulo viene utilizzato nel seguente script per dichiarare e utilizzare array monodimensionali e bidimensionali in Python. Nello script sono dichiarati tre tipi di array. myarray è un array unidimensionale che contiene 5 elementi. ndim La proprietà viene utilizzata per scoprire la dimensione di una variabile di array. len () La funzione viene utilizzata qui per contare il numero totale di elementi di myarray. Shape () La funzione viene utilizzata per visualizzare la forma corrente dell'array. myarray2 è un array bidimensionale che contiene sei elementi in due righe e tre colonne (2 × 3 = 6). misurare() La funzione viene utilizzata per contare gli elementi totali di myarray2. organizzare() La funzione viene utilizzata per creare un array di gamma denominato myarray3 che genera elementi aggiungendo 2 con ogni elemento da 10.

#!/usr/bin/env python3
#Usare numpy
importa numpy come npy
#Declare un array monodimensionale
MyArray = npy.Array ([90,45,78,12,66])
#Print tutti gli elementi
Stampa (MyArray)
#Print la dimensione dell'array
Stampa (MyArray.ndim)
#Print il numero totale di elementi
stampa (len (myarray))
#Print la forma dell'array
Stampa (NPY.forma (myarray))
#Declare un array bidimensionale
MyArray2 = npy.Array ([[101,102,103], ["Nila", "Ella", "Bella"]])
## Stampa il numero totale di elementi
Stampa (NPY.dimensione (myarray2))
#Crea un array di gamma
MyArray3 = npy.Arange (10,20,2)
#Print gli elementi dell'array
stampa (myarray3)

Produzione:

Il seguente output apparirà dopo aver eseguito lo script.

Esempio-3: usando MATLAB per disegnare una curva

Matplotlib La libreria viene utilizzata per creare cifre scientifiche 2D e 3D in base a dati specifici. Può generare output di alta qualità in diversi formati come PNG, SVG, EPG, ecc. È un modulo molto utile per la generazione di cifre per i dati di ricerca in cui la figura può essere aggiornata in qualsiasi momento modificando i dati. Come è possibile disegnare una curva in base ai valori di asse x e asse y usando questo modulo è mostrato in questo esempio. Pylab è usato per disegnare la curva qui. linspace () La funzione viene utilizzata per impostare il valore dell'asse x nell'intervallo normale. I valori dell'asse y vengono calcolati quancando il valore dell'asse x. figura() è una funzione Init che viene utilizzata per abilitare Pylab. Il personaggio 'b' è usato in complotto() funzione per impostare il colore della curva. Qui, 'b' indica il colore blu. xlabel () La funzione viene utilizzata per impostare il titolo di asse x e ylabel () La funzione viene utilizzata per impostare il titolo di asse y. Il titolo del grafico è impostato da titolo() metodo.

#!/usr/bin/env python3
#Uso del modulo Pylab
importare pilab come pl
#Sept il valore dell'asse x
X = PL.Linspace (0, 8, 20)
#Calcula il valore dell'asse y
y = x ** 2
#Inizializzazione per la trama
pl.figura()
#Sept la trama in base al valore x, y con colore blu
pl.trama (x, y, 'b')
#Sept il titolo per l'asse x
pl.xlabel ('x')
#Sept il titolo per l'asse y
pl.ylabel ('y')
#Sept il titolo per il grafico
pl.Titolo ("Esempio di trama")
pl.spettacolo()

Produzione:
Il seguente output apparirà dopo aver eseguito lo script. La curva è mostrata nel lato inferiore destro dell'immagine.

Esempio-4: usando il modulo Sympy per variabili simboliche

La libreria Sympy è usata in Python per l'algebra simbolica. La classe simbolo viene utilizzata per creare un nuovo simbolo in Python. Qui, vengono dichiarate due variabili simboliche. var1 La variabile è impostata su VERO E is_imaginary Resi della proprietà Falso per questa variabile. var2 La variabile è impostata su true che indica 1. Quindi, quando viene controllato var2 è maggiore di 0 o no, restituisce vero.

#!/usr/bin/env python3
#IMPORT SYMPY MODULE
da Sympy Import *
#Crea una variabile simbolo denominata 'var1' con un valore
var1 = simbolo ('var1', reale = true)
#Test il valore
Stampa (var1.is_imaginary)
#Crea una variabile simbolo denominata 'var2' con un valore
var2 = simbolo ('var2', positivo = true)
#Check Il valore è più di 0 o no
Stampa (var2> 0)

Produzione:
Il seguente output apparirà dopo aver eseguito lo script.

Esempio-5: creare dati di dati usando i panda

La libreria Pandas è sviluppata per la pulizia, l'analisi e la trasformazione di qualsiasi dati in Python. Utilizza molte caratteristiche di numpy biblioteca. Quindi, è essenziale installare numpy Libreria di Python prima di installare e utilizzare panda. È anche usato con altre biblioteche scientifiche di Python come Scipy, matplotlib eccetera. I componenti principali di panda Sono serie E DataFrame. Qualsiasi serie indica la colonna di dati e un frame dati è una tabella multidimensionale di una raccolta di serie. Il seguente script genera un frame dati basato su tre serie di dati. La libreria Pandas viene importata all'inizio dello script. Successivamente, una variabile denominata segni è dichiarato con tre serie di dati che contengono segni di tre materie di tre studenti chiamati 'Janifer "," John "e" Paul ". DataFrame () La funzione dei panda viene utilizzata nell'istruzione successiva per generare un telaio di dati in base alla variabile segni e conservalo nella variabile, risultato. Infine, il risultato La variabile è stampata per visualizzare il frame dati.

#!/usr/bin/env python3
#import il modulo
Importa panda come PD
#Set segni per tre materie per tre studenti
marks =
'Janifer': [89, 67, 92],
'John': [70, 83, 75],
'Paul': [76, 95, 97]

#Crea il frame dati usando i panda
soggetti = pd.DataFrame (Marks)
#Display il frame dati
Stampa (soggetti)

Produzione:
Il seguente output apparirà dopo aver eseguito lo script.

Esempio-6: usando il modulo Scipy per il calcolo matematico

Scipy La biblioteca contiene un gran numero di algoritmi scientifici per eseguire il calcolo scientifico in Python. Alcuni di essi sono integrazione, interpolazione, trasformata di Fourier, algebra lineare, statistiche, file IO, ecc. Spyder Editor viene utilizzato per scrivere ed eseguire i codici negli esempi precedenti. Ma Spyder Editor non supporta i moduli Scipy. È possibile controllare l'elenco dei moduli supportati di Spyder Editor premendo Dipendenze .. Opzione del menu di aiuto. Il modulo Scipy non esiste nell'elenco. Quindi, i seguenti due esempi sono mostrati dal terminale. Apri il terminale premendo "Alt_ctrl+t " e digitare pitone Per eseguire l'interprete di Python.

Calcolo della radice del cubo dei numeri

La libreria Scipy contiene un modulo chiamato cbrt Per calcolare la radice del cubo qualsiasi numero. Il seguente script calcolerà la radice del cubo di tre numeri. numpy La libreria viene importata per definire l'elenco dei numeri. Prossimo, Scipy biblioteca e cbrt modulo che è sotto Scipy.speciale sono importati. I valori di radice del cubo di 8, 27 e 64 sono archiviati nella variabile risultato che è stampato in seguito.

>>> Importa Numpy
>>> Import Scipy
>>> da Scipy.Importazione speciale CBRT
>>> risultato = CBRT ([8, 27, 64])
>>> stampa (risultato)

Produzione:
La seguente output apparirà dopo aver eseguito i comandi. La radice del cubo di 8, 27 e 64 sono 2, 3 e 4.

Risolvere l'algebra lineare usando il modulo Scipy

linalg Il modulo della libreria Scipy viene utilizzato per risolvere l'algebra lineare. Qui, Scipy La libreria viene importata nel primo comando e nel prossimo linalg modulo di Scipy La libreria viene importata. numpy La libreria viene importata per dichiarare gli array. Qui, Eq La variabile è dichiarata per definire i coefficienti e Val La variabile viene utilizzata per definire i rispettivi valori per il calcolo. risolvere() La funzione viene utilizzata per calcolare i risultati in base a Eq E Val variabili.

>>> Import Scipy
>>> da Scipy Import Linalg
>>> Importa Numpy come NP
>>> EQ = NP.array ([[9, 0, 5], [10, 3, -2], [7, -2, 0]])
>>> Val = NP.Array ([3, -6, 9])
>>> risultato = linalg.risolvere (Eq, Val)
>>> stampa (risultato)

Produzione:
La seguente output apparirà dopo aver eseguito i comandi sopra.

Conclusione:

Python è un linguaggio di programmazione molto utile per risolvere diversi tipi di problemi matematici e scientifici. Python contiene un numero enorme di biblioteche per svolgere questo tipo di attività. Gli usi molto basilari di alcune librerie sono mostrati in questo tutorial. Se vuoi essere un programmatore scientifico e un principiante per Python (x, y), questo tutorial ti aiuterà a installare e utilizzare Python (X, Y) su Ubuntu.

Una demo può essere trovata qui sotto: