Phenquestions
Før installasjon:
Operativsystemet må oppdateres før du installerer python (x.y). Kjør følgende kommando for å oppdatere systemet.
$ sudo apt-get oppdatering
Det er nødvendig å kontrollere at en hvilken som helst pythontolker er installert før i systemet eller ikke. Kjør følgende kommando for å sjekke den installerte versjonen av python. Det er bedre å fjerne alle tidligere installerte pythonversjoner før du installerer python (x, y).
$ python
Utgangen viser at ingen python-pakke har blitt installert før i systemet. For dette tilfellet må vi installere pythontolken først.
Installer Python (x.y)
Du kan installere python (x, y) eller vitenskapelige pythonpakker på to måter. En måte er å laste ned og installere en passende python (x, y) pakke basert på Ubuntu, og en annen måte er å installere nødvendige pakker for å utføre vitenskapelig databehandling i Python. Den andre måten er enkel å installere, som følges i denne opplæringen.
Fremgangsmåte:
- Først må du installere pythontolker og pakkebehandling for å starte installasjonsprosessen. Så kjør følgende kommando for å installere python3 og python3-pip pakker. Trykk 'y'når den vil be om tillatelse til installasjon.
- Deretter må du installere de nødvendige vitenskapelige biblioteker fra python3 for å gjøre vitenskapelige operasjoner. Kjør følgende kommando for å installere bibliotekene. Her vil fem biblioteker installeres etter at kommandoen er utført. Disse er nummen, matplotlib, scipy, pandaer og sympy. Bruken av disse bibliotekene er forklart i neste del av denne veiledningen.
python3-scipy python3-pandaer python3-sympy
- For å fjerne begrensningene til pythontolken og gi et brukervennlig grensesnitt, ipython pakken brukes. Kjør følgende kommando for å installere ipython3 pakke.
- Kjør følgende kommando for å installere qt5 relaterte pakker for GUI-utvikling.
python3-pyqt5.qtopengl python3-pyqt5.qtquick
- Spyder er en nyttig kodeditor som kan markere syntaksen, og gjøre kodedigering og feilsøking enklere. Kjør følgende kommando for å installere spyder.
Hvis alle pakkene nevnt ovenfor er installert riktig uten feil, er python (x, y) riktig installert.
Ved hjelp av Python (x, y):
Noen grunnleggende bruksområder for python (x, y) er vist i denne delen av opplæringen ved å bruke forskjellige eksempler med forklaringer. Du må kjøre spyder kode editor for å begynne å bruke python (x, y). Klikk på Vis søknad ikon og skriv 'sp ' i søkeboksen. Hvis spyder er riktig installert da spyder ikonet vises.
Klikk på Spyder3 ikonet for å åpne applikasjonen. Følgende skjermbilde vises etter at du har åpnet applikasjonen.
Nå kan du begynne å skrive kode for å gjøre vitenskapelige databehandling. De grunnleggende bruksområdene til de fem installerte bibliotekene til python3 for vitenskapelige operasjoner er vist i de følgende seks eksemplene.
Eksempel 1: Bruke variabler og typer
Dette eksemplet viser den helt grunnleggende bruken av python datatyper og variabler. I det følgende skriptet er fire typer variabler erklært. Dette er jegnteger, float, boolean og streng. type() metoden brukes i python for å finne ut hvilken type variabler.
#!/ usr / bin / env python3#Tildeling av heltall
var1 = 50
skriv ut (type (var1))
#Assing float value
var2 = 3.89
skriv ut (type (var2))
#Tildeling
var3 = Sant
skriv ut (type (var3))
#Tildel strengverdi
var4 = "LinuxHint"
skriv ut (type (var4))
Produksjon:
Kjør skriptet ved å trykke spille ( ) knappen fra toppen av redaktøren. Hvis du klikker på Variabel utforsker fanen fra høyre side, så vises følgende utdata for de fire variablene.
Eksempel 2: Bruk numpy til å lage en og flerdimensjonal matrise
Alle typer numerisk databehandling gjøres av bedøvet pakke i python. Den flerdimensjonale datastrukturen, vektor- og matrisedataene kan defineres og brukes av denne modulen. Den kan beregne veldig raskt fordi den er utviklet av C og FORTRAN. bedøvet modulen brukes i følgende skript for å erklære og bruke endimensjonale og todimensjonale matriser i python. Tre typer matriser er deklarert i skriptet. myArray er en endimensjonal matrise som inneholder 5 elementer. ndim egenskap brukes til å finne ut dimensjonen til en arrayvariabel. len () funksjonen brukes her til å telle det totale antallet elementer av myArray. shape () funksjonen brukes til å vise den nåværende formen til matrisen. myArray2 er en todimensjonal matrise som inneholder seks elementer i to rader og tre kolonner (2 × 3 = 6). størrelse() funksjonen brukes til å telle de totale elementene av myArray2. arrangere() funksjonen brukes til å opprette en rekkevidde som heter myArray3 som genererer elementer ved å legge til 2 med hvert element fra 10.
#!/ usr / bin / env python3# Bruker nummen
importer numpy som npy
#Deklarer en endimensjonal matrise
myArray = npy.matrise ([90,45,78,12,66])
#Skriv ut alle elementene
skriv ut (myArray)
# Skriv ut dimensjonen til matrisen
skriv ut (myArray.ndim)
#Skriv ut totalt antall elementer
skriv ut (len (myArray))
# Skriv ut formen på matrisen
utskrift (npy.form (myArray))
#Deklarer et todimensjonalt array
myArray2 = npy.array ([[101,102,103], ["Nila", "Ella", "Bella"]])
## Skriv ut totalt antall elementer
utskrift (npy.størrelse (myArray2))
# Opprett en rekkefølge
myArray3 = npy.arange (10,20,2)
#Skriv ut matriseelementene
skriv ut (myArray3)
Produksjon:
Følgende utdata vises etter kjøring av skriptet.
Eksempel 3: Bruk Matlab til å tegne en kurve
Matplotlib biblioteket brukes til å lage 2D og 3D vitenskapelige figurer basert på spesifikke data. Det kan generere høykvalitetsutdata i forskjellige formater som PNG, SVG, EPG, etc. Det er en veldig nyttig modul for å generere tall for forskningsdata der figuren kan oppdateres når som helst ved å endre data. Hvordan du kan tegne en kurve basert på x-aksen og y-aksen ved å bruke denne modulen, er vist i dette eksemplet. pylab brukes til å tegne kurven her. linspace () funksjonen brukes til å stille x-akseverdien i vanlig intervall. Y-aksens verdier beregnes ved å kvadratere verdien på x-aksen. figur() er en init-funksjon som brukes til å aktivere pylab. 'b' karakter brukes i plott() funksjon for å stille inn fargen på kurven. Her indikerer 'b' blå farge. xlabel () funksjonen brukes til å angi tittelen på x-aksen og ylabel () funksjonen brukes til å angi tittelen på y-aksen. Tittelen på grafen er satt av tittel() metode.
#!/ usr / bin / env python3#Bruker pylab-modul
importer pylab som pl
#Sett verdien av x-aksen
x = pl.linspace (0, 8, 20)
# Beregn verdien på y-aksen
y = x ** 2
#Initialisering for å plotte
pl.figur()
#Sett plottet basert på x, y-verdi med blå farge
pl.plot (x, y, 'b')
#Sett tittelen på x-aksen
pl.xlabel ('x')
#Sett tittelen på y-aksen
pl.ylabel ('y')
# Angi tittelen for grafen
pl.tittel ('Plotting Eksempel')
pl.vise fram()
Produksjon:
Følgende utdata vises etter kjøring av skriptet. Kurven vises nederst til høyre på bildet.
Eksempel 4: Bruke sympymodul for symbolske variabler
sympy-bibliotek brukes i python for symbolsk algebra. Symbolklasse brukes til å lage et nytt symbol i python. Her blir to symbolske variabler erklært. var1 variabel er satt til ekte og er_imaginær eiendommen returnerer Falsk for denne variabelen. var2 variabel er satt til sant som indikerer 1. Så når det er sjekket det var2 er større enn 0 eller ikke, returnerer den sant.
#!/ usr / bin / env python3#import sympy-modul
fra sympy import *
# Opprett en symbolvariabel med navnet 'var1' med en verdi
var1 = Symbol ('var1', real = True)
#Test verdien
utskrift (var1.er_imaginary)
# Opprett en symbolvariabel kalt 'var2' med en verdi
var2 = Symbol ('var2', positiv = True)
# Kontroller at verdien er mer enn 0 eller ikke
skrive ut (var2> 0)
Produksjon:
Følgende utdata vises etter kjøring av skriptet.
Eksempel 5: Opprett DataFrame ved hjelp av pandaer
pandas-biblioteket er utviklet for rengjøring, analyse og transformering av data i python. Den bruker mange funksjoner i bedøvet bibliotek. Så det er viktig å installere bedøvet biblioteket med python før du installerer og bruker pandaer. Det brukes også med andre vitenskapelige biblioteker av python som scipy, matplotlib etc. Kjernekomponentene i pandaer er serie og DataFrame. Enhver serie indikerer kolonnen med data, og en DataFrame er en flerdimensjonal tabell over en samling av serier. Følgende skript genererer en DataFrame basert på tre serier med data. Pandas-biblioteket importeres i begynnelsen av skriptet. Deretter en variabel som heter merker erklæres med tre serier med data som inneholder karakterer av tre fag av tre studenter som heter 'Janifer ',' John 'og' Paul '. Dataramme() funksjon av pandaer brukes i neste setning for å generere en DataFrame basert på variabelen merker og lagre den i variabelen, resultat. Til slutt, resultat variabel skrives ut for å vise DataFrame.
#!/ usr / bin / env python3#import modulen
importer pandaer som pd
# Sett karakterer for tre fag for tre studenter
merker =
'Janifer': [89, 67, 92],
'John': [70, 83, 75],
'Paul': [76, 95, 97]
# Opprett datarammen ved hjelp av pandaer
fag = pd.DataFrame (merker)
#Vis datarammen
trykk (fag)
Produksjon:
Følgende utdata vises etter kjøring av skriptet.
Eksempel 6: Bruke scipy-modul for matematisk beregning
SciPy biblioteket inneholder et stort antall vitenskapelige algoritmer for å utføre vitenskapelig databehandling i python. Noen av dem er integrasjon, interpolering, Fourier-transform, lineær algebra, statistikk, fil IO, etc. Spyder editor brukes til å skrive og utføre kodene i tidligere eksempler. Men spyder editor støtter ikke scipy-modulene. Du kan sjekke listen over støttede moduler for spyder editor ved å trykke på Avhengigheter .. alternativ for hjelpemeny. Scipy-modulen finnes ikke i listen. Så følgende to eksempler er vist fra terminalen. Åpne terminalen ved å trykke “Alt_Ctrl + T ” og skriv python å kjøre pythontolken.
Beregner kubaroten av tall
scipy-biblioteket inneholder en modul som heter cbrt for å beregne kubaroten et hvilket som helst tall. Det følgende skriptet beregner kuberoten av tre tall. bedøvet biblioteket importeres for å definere listen over tallene. Neste, skumle bibliotek og cbrt modul som er under skumle.spesiell importeres. Kubens rotverdier på 8, 27 og 64 er lagret i variabelen resultat som blir skrevet ut senere.
>>> import nummen>>> import scipy
>>> fra scipy.spesiell import cbrt
>>> resultat = cbrt ([8, 27, 64])
>>> utskrift (resultat)
Produksjon:
Følgende utdata vises etter at du har kjørt kommandoene. Kubaroten på 8, 27 og 64 er 2, 3 og 4.
Løse lineær algebra ved å bruke scipy-modul
linalg modul av scipy bibliotek brukes til å løse lineær algebra. Her, skumle biblioteket importeres i den første kommandoen og den neste linalg modul av skumle biblioteket er importert. bedøvet biblioteket importeres for å erklære matriser. Her, ekv variabel er erklært for å definere koeffisientene og val variabel brukes til å definere de respektive verdiene for beregning. løse() funksjon brukes til å beregne resultatene basert på ekv og val variabler.
>>> import scipy>>> fra scipy import linalg
>>> importer nummen som np
>>> eq = np.matrise ([[9, 0, 5], [10, 3, -2], [7, -2, 0]])
>>> val = np.matrise ([3, -6, 9])
>>> resultat = linalg.løse (ekv, val)
>>> utskrift (resultat)
Produksjon:
Følgende utdata vises når du har kjørt kommandoene ovenfor.
Konklusjon:
Python er et veldig nyttig programmeringsspråk for å løse forskjellige typer matematiske og vitenskapelige problemer. Python inneholder et stort antall biblioteker for å utføre denne typen oppgaver. De veldig grunnleggende bruken av noen biblioteker er vist i denne veiledningen. Hvis du vil være en vitenskapelig programmerer og nybegynner for python (x, y), vil denne opplæringen hjelpe deg med å installere og bruke python (x, y) på Ubuntu.
En demo finner du nedenfor:
