Python er et veldig populært programmeringsspråk nå for å utvikle forskjellige typer applikasjoner eller løse programmeringsproblemer. Den inneholder mange standardbiblioteker og pakker for forskjellige formål. Python (X, Y) er en av gratis Python -distribusjonen for å utføre matematiske beregninger og dataanalyse. Det er utviklet og vedlikeholdt av Pierre Raybaut. Brukeren kan gjøre forskjellige vitenskapelige databehandlinger ved å bruke denne distribusjonen som 2D- eller 3D -plotting, vitenskapelig prosjektutvikling, parallell databehandling osv. Det er basert på QT -utviklingsrammer og Spyder Development Environment. Det er hovedsakelig utviklet for vitenskapelige programmerere. Den støtter både tolket og kompilerte språk. Du bør ha grunnleggende kunnskap om Python for å bruke Python (X, Y). Det kan brukes i både Windows og Linux -operativsystemer. Hvordan Python (x, y) kan installeres og brukes på Ubuntu -operativsystemet vises i denne opplæringen.

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 sjekke at enhver Python -tolk er installert før i systemet eller ikke. Kjør følgende kommando for å sjekke den installerte versjonen av Python. Det er bedre å fjerne enhver tidligere installert Python -versjon før du installerer Python (X, Y).

$ python

Utgangen viser at ingen Python -pakke er installert før i systemet. For dette tilfellet må vi installere Python -tolken først.

Installer Python (x.y)

Du kan installere Python (X, Y) eller Scientific Python -pakker 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 veien er enkel å installere som følges i denne opplæringen.

Trinn:

1. Først må du installere Python -tolk og pakkebehandler for å starte installasjonsprosessen. Så kjør følgende kommando for å installere Python3 og Python3-Pip Pakker. Trykk 'y'Når det vil be om tillatelse til installasjon.

$ sudo apt-get install python3 python3-pip

2. Deretter må du installere de nødvendige vitenskapelige bibliotekene til Python3 for å utføre vitenskapelige operasjoner. Kjør følgende kommando for å installere bibliotekene. Her vil fem biblioteker bli installert etter å ha utført kommandoen. Disse er numpy, matplotlib, scipy, pandas og Sympy. Bruken av disse bibliotekene blir forklart i neste del av denne opplæringen.

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

3. For å fjerne begrensningene til Python-tolk og gi et brukervennlig grensesnitt, ipython Pakken brukes. Kjør følgende kommando for å installere ipython3 pakke.

$ sudo apt-get installer ipython3

4. Kjør følgende kommando for å installere QT5 Relaterte pakker for GUI -utvikling.

$ sudo apt-get install python3-pyqt5
python3-pyqt5.qtopengl python3-pyqt5.Qtquick

5. Spyder er en nyttig kodeditor som kan fremheve syntaks, og gjøre kodedigering og feilsøking enklere. Kjør følgende kommando for å installere Spyder.

$ sudo apt-get install spyder3

Hvis alle pakkene som er nevnt ovenfor er installert riktig uten feil, er pyton (x, y) installert riktig.

Bruke Python (x, y):

Noen grunnleggende bruksområder av Python (x, y) vises i denne delen av opplæringen ved å bruke forskjellige eksempler med forklaringer. Du må kjøre Spyder Kodeditor for å begynne å bruke Python (x, y). Klikk på Vis søknad ikon og type 'sp ' i søkeboksen. Hvis Spyder er installert riktig da Spyder Ikonet vises.

Klikk på Spyder3 Ikon for å åpne applikasjonen. Følgende skjermbilde vises etter å ha åpnet søknaden.

Nå kan du begynne å skrive kode for å gjøre vitenskapelige databehandlingsoppgaver. De grunnleggende bruken av de fem installerte bibliotekene til Python3 for vitenskapelige operasjoner er vist i følgende seks eksempler.

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. Disse er jegnteger, float, boolean og streng. type() Metoden brukes i Python for å finne ut hvilken type variabel.

#!/usr/bin/env python3
#Tilordne heltallverdi
var1 = 50
Print (Type (var1))
#Assing float Value
var2 = 3.89
Print (Type (var2))
#Disignering
var3 = sant
Print (Type (var3))
#Assignerende strengverdi
var4 = "Linuxhint"
Print (Type (var4))

Produksjon:
Kjør manuset ved å trykke spille ( ) knappen fra toppen av redaktøren. Hvis du klikker på Variabel Explorer Fanen fra høyre side, da vises følgende utgang for de fire variablene.

Eksempel-2: Bruke Numpy for å lage en og flerdimensjonal matrise

Alle typer numerisk databehandling gjøres av numpy pakke i Python. Den flerdimensjonale datastrukturen, vektor- og matriksdataene kan defineres og brukes av denne modulen. Den kan beregne veldig raskt fordi den er utviklet av C og Fortran. numpy Modul brukes i følgende skript for å erklære og bruke endimensjonale og todimensjonale matriser i Python. Tre typer matriser er erklært i skriptet. MyArray er en endimensjonal matrise som inneholder 5 elementer. ndim Eiendom brukes til å finne ut dimensjonen til en array -variabel. Len () Funksjon brukes her for å telle det totale antallet elementer i MyArray. shape () Funksjon brukes til å vise den nåværende formen på matrisen. MyArray2 er en todimensjonal matrise som inneholder seks elementer i to rader og tre kolonner (2 × 3 = 6). størrelse() funksjon brukes til å telle de totale elementene i MyArray2. arrangere() Funksjon brukes til å lage en rekkevidde som er navngitt MyArray3 som genererer elementer ved å legge til 2 med hvert element fra 10.

#!/usr/bin/env python3
#Bruke numpy
Importer numpy som npy
#Declare en en dimensjonal matrise
MyArray = NPY.Array ([90,45,78,12,66])
#Trykk alle elementer
Print (MyArray)
#Trykk dimensjonen til matrisen
Trykk (MyArray.ndim)
#Trykk det totale antallet elementer
Print (Len (MyArray))
#Trykk formen på matrisen
trykk (NPY.form (myarray))
#Declare en todimensjonal matrise
myArray2 = npy.Array ([[101,102,103], ["Nila", "Ella", "Bella"]])
## Skriv ut det totale antall elementer
trykk (NPY.størrelse (MyArray2))
#Create en rekkevidde -matrise
myArray3 = npy.Arange (10,20,2)
#Trykk arrayelementene
Print (MyArray3)

Produksjon:

Følgende utgang vises etter å ha kjørt skriptet.

Eksempel-3: Bruke MATLAB for å tegne en kurve

Matplotlib Bibliotek brukes til å lage 2D- og 3D -vitenskapelige tall basert på spesifikke data. Det kan generere produksjon av høy kvalitet 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 verdier ved bruk av denne modulen vises i dette eksemplet. Pylab brukes til å tegne kurven her. Linspace () Funksjon brukes til å angi x-aksers verdi i jevne mellomrom. Y-aksverdier beregnes ved å kvadre verdien av x-aksen. figur() er en init -funksjon som brukes til å aktivere Pylab. 'B' karakter brukes i plott() Funksjon for å stille fargen på kurven. Her indikerer 'B'. xlabel () funksjon brukes til å sette tittelen x-aksen og ylabel () Funksjon brukes til å sette tittelen Y-aksen. Tittelen på grafen er satt av tittel() metode.

#!/usr/bin/env python3
#Bruke pylab -modul
Importer pylab som PL
#Sett verdien av x-aksen
x = pl.Linspace (0, 8, 20)
#Kalkulere verdien av y-aksen
y = x ** 2
#Initialisering for plotting
pl.figur()
#Sett plottet basert på x, y verdi med blå farge
pl.plot (x, y, 'b')
#Sett tittelen for x-aksen
pl.xlabel ('x')
#Sett tittelen for y-aksen
pl.ylabel ('y')
#Sett tittelen for grafen
pl.tittel ('Plotting eksempel')
pl.forestilling()

Produksjon:
Følgende utgang vises etter å ha kjørt skriptet. Kurven vises på høyre nedre side av bildet.

Eksempel-4: Bruke Sympy-modul for symbolske variabler

Sympy bibliotek brukes i Python for symbolsk algebra. Symbolklasse brukes til å lage et nytt symbol i Python. Her er to symbolske variabler erklært. var1 Variabel er satt til ekte og is_imaginary Eiendom returnerer Falsk for denne variabelen. var2 Variabel er satt til sann som indikerer 1. Så når det er sjekket det var2 er større enn 0 eller ikke, så returnerer det sant.

#!/usr/bin/env python3
#import sympy -modul
Fra Sympy Import *
#Skap en symbolvariabel kalt 'var1' med en verdi
var1 = symbol ('var1', ekte = sant)
#Test verdien
trykk (var1.is_imaginary)
#Create en symbolvariabel kalt 'var2' med en verdi
var2 = symbol ('var2', positiv = sant)
#Sjekk verdien er mer enn 0 eller ikke
Print (var2> 0)

Produksjon:
Følgende utgang vises etter å ha kjørt skriptet.

Eksempel-5: Lag DataFrame ved hjelp av pandaer

Pandas Library er utviklet for rengjøring, analyse og transformering av data i Python. Den bruker mange funksjoner i numpy bibliotek. Så det er viktig å installere numpy Library of Python før du installerer og bruker Pandas. Det brukes også med andre vitenskapelige biblioteker av Python som Scipy, matplotlib etc. Kjernekomponentene i Pandas er serie og Dataframe. Enhver serie indikerer datokolonnen med data og en DataFrame er en flerdimensjonal tabell over en samling av serier. Følgende skript genererer et DataFrame basert på tre serier med data. Pandas Library importeres i begynnelsen av manuset. Neste, en variabel som heter merker blir erklært med tre serier med data som inneholder merker av tre emner av tre studenter som heter 'Janifer ',' John 'og' Paul '. Dataramme() Funksjon av pandaer brukes i neste uttalelse for å generere en dataaframe 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
#Set -merker for tre fag for tre studenter
merker =
'Janifer': [89, 67, 92],
'John': [70, 83, 75],
'Paul': [76, 95, 97]

#Create DataFrame ved hjelp av pandaer
emner = PD.DataFrame (merker)
#Display DataFrame
trykk (fag)

Produksjon:
Følgende utgang vises etter å ha kjørt 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, interpolasjon, Fourier -transformasjon, lineær algebra, statistikk, fil IO osv. 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 av Spyder Editor ved å trykke på Avhengigheter .. Alternativ for hjelpemeny. Scipy -modulen eksisterer ikke på listen. Så de følgende to eksemplene vises fra terminalen. Åpne terminalen ved å trykke “Alt_ctrl+t ” og skriv Python å kjøre Python -tolken.

Beregning av kubenes rot av tall

Scipy -biblioteket inneholder en modul som heter CBRT For å beregne kubenroten et hvilket som helst tall. Følgende skript vil beregne kubenroten til tre tall. numpy Bibliotek importeres for å definere listen over tallene. NESTE, Scipy bibliotek og CBRT modul som er under Scipy.spesiell importeres. Kubens rotverdier på 8, 27 og 64 er lagret i variabelen resultat som blir skrevet ut senere.

>>> Importer numpy
>>> Importer scipy
>>> fra Scipy.Spesiell import CBRT
>>> resultat = CBRT ([8, 27, 64])
>>> utskrift (resultat)

Produksjon:
Følgende utgang vises etter å ha kjørt kommandoene. Kubroten til 8, 27 og 64 er 2, 3 og 4.

Løsning av lineær algebra ved å bruke scipy -modul

Lining Modul med Scipy Library brukes til å løse den lineære algebraen. Her, Scipy Bibliotek importeres i den første kommandoen og den neste Lining modul av Scipy Bibliotek importeres. numpy Bibliotek importeres for å erklære matriser. Her, Eq variabel erklært å definere koeffisientene og Val Variabel brukes til å definere de respektive verdiene for beregning. løse() funksjon brukes til å beregne resultatene basert på Eq og Val variabler.

>>> Importer scipy
>>> fra scipy import ling
>>> import numpy som NP
>>> Eq = NP.Array ([[9, 0, 5], [10, 3, -2], [7, -2, 0]])
>>> val = np.Array ([3, -6, 9])
>>> resultat = ling.Løs (Eq, Val)
>>> utskrift (resultat)

Produksjon:
Følgende utgang vises etter å ha 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 gjøre denne typen oppgave. Den helt grunnleggende bruken av noen biblioteker vises i denne opplæringen. 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 her nedenfor: