Scipy integreres

Mange kjente matematiske prosedyrer har innebygde funksjoner i Pythons scipy vitenskapelige databehandlingspakke. Scipy.Integrert underpakke inkluderer en integrator for vanlige differensialligninger som en av integrasjonsteknikkene. Denne artikkelen vil lære deg hvordan du bruker "Scipy Integrate" for å løse integrasjonsproblemer ved å bruke integrasjonsmetoden. Vi snakker også om noen relaterte emner. Dette er scipy integreres, trapezoid scipy integrer quad, og scipy integrerer simpson. For å hjelpe deg med å forstå og bruke konseptene på egen hånd, vil vi gå gjennom disse ideene i detalj og med nyttige programmeringseksempler. Så la oss starte.

Scipy integrerer definisjon

De mange tilnærmingene til python -integrasjon eller differensialligningsproblemer er alle inneholdt i Scipy submodule scipy.integrere. Det har et forhåndsbestemt formål og tilnærming for håndtering av integrasjon eller differensialligningsproblemer. Bruk følgende kode for å lære om integrasjonsmetodene som støttes av denne submodulen.

Fra Scipy Import Integrer
Detaljer = hjelp (integrere)
trykk (detaljer)

Du vil se en detaljert utdata fra forrige kode. En liten del av den produserte utgangen er vist nedenfor:

Når vi blar gjennom utgangen, vises all denne modulens integrasjons- og differensialmetoder, teknikker og funksjoner.

Du har nå litt nøkkelinformasjon angående scipy.integrere. Å fokusere på noen programmeringseksempler vil hjelpe. Til din fordel er skjermbilder også inkludert, og det er gitt passende forklaringer for disse eksemplene.

Eksempel 1

Vi snakker om scipy.integrere.Trapz () -metode i det første eksemplet. Ved å bruke en grei Gaussisk kvadratur av fast ordre N, beregnes en klar integrert integrert ved hjelp av Scipys Scipy.integrere.TRAPZ -teknikk. Du finner følgende syntaks:

Parametrene y, x, dx og akse er inkludert. "Y" -parameteren indikerer inngangsarrayen som må integreres. Det må ligne et objekt fra en python -matrise. Eksempelpunktene som tilsvarer Y -verdiene utgjør "X" -parameteren. Eksempelpunktene er pålagt å være jevnt avstand fra hverandre av DX. Det er i tilfelle hvis x ikke er spesifisert. Når x er ingen, representerer den valgfrie skalere -parameteren DX avstanden mellom prøveplasseringer. Den første innstillingen er 1. Valgfritt nummer i akseparameteren indikerer aksen som skal integrerer.

La oss nå diskutere eksemplet her. Koden er vedlagt nedenfor. Som du ser er det en veldig enkel kode og kan lett forstås.

Først importerte vi Numpy og Integrate Library. Vi passerte deretter matrisen med verdier [4, 5, 6] til Scipy.integrere.Trapz () -metode. Det integrerer den opprettede matrisen ved å bruke den trapesformet regelen. Til slutt vises utgangen ved hjelp av setningen (TRAP_method).

Fra Scipy Import Integrer
Importer numpy
TRAP_METHOD = integrere.Trapz ([4,5,6])
Print (TRAP_METHOD)

Nedenfor er resultatet av den utførte koden:

Eksempel 2

Dette er et annet eksempel fra dette innlegget der vi vil diskutere ved hjelp av scipy.integrere.fast firer for å beregne ordren 5 Gaussisk kvadratur tilnærming. I hovedsak beregner funksjonen et bestemt integral. Det gjøres med Gaussisk kvadratur av fast ordre n. Syntaksen er vist nedenfor:

Metoden har fem parametere: func, a, b, args og n. "Func" -parameteren representerer funksjonen som vil bli integrert ved hjelp av den gaussiske kvadraturen. Funksjonen skal støtte vektorinnganger. Maten som vi får etter å ha integrert en vektorverdi-funksjon, må dele formen (..., Len (X)). "A" -parameteren indikerer den laveste integrasjonsgrensen. Float -typen er til stede. "B" -parameteren begrenser den maksimale integrasjonen. Float -typen er til stede. En liste over flere argumenter som er gitt til FUNC i form av den valgfrie parameteren kalt “Args”. Rekkefølgen på den gaussiske kvadraturen, n, er den siste parameteren. Standardinnstillingen er 5.

La oss snakke om kode. I dette eksemplet bruker vi Scipy for å beregne funksjonen f (x) = sin (x) 's 5 Gaussiske kvadratur tilnærming. Bruk integreringen av det faste området 0-Pi/4.Fast fireteknikk.

La oss finne ut av kodelinjen for linjen. I starten importerte vi Numpy Library. Etter det la vi til den integrerte underpakken fra Scipy -biblioteket. Etter det benyttet vi oss.Sin () Metode som hovedprogram som vi skal integrere. I denne funksjonen sendes 1 og 4 som parametere, og grensen for integrasjonen er satt til 3, som er en annen parameter indikert som "n = 3" i koden. Dette gjøres i utskriftserklæringen, og resultatet vises nedenfor:

Importer numpy
Fra Scipy Import Integrer
trykk ("Her kan du se utdataene:")
Trykk (Integrer.FIXED_QUAD (Numpy.Sin, 1.0, numpy.pi/4, n = 3))

Henvis til den genererte utgangen som er vedlagt her.

Eksempel 3

Scipy inneholder en metode som heter Simpson () som estimerer en integrert verdi. Scipy.Integrert undermodule inkluderer denne metoden. Her er følgende syntaks for bruk av den i Python:

Syntaksen inkluderer fem parametere. Disse er y (array_data), x (array_data), dx (skalar), akse (int) og til og med (streng).

Arrayen som skal integreres som input er av "Y (Array Data) -parameteren". Eksempelpunktene som tilsvarer Y -verdiene er spesifisert ved hjelp av alternativet “X (Array Data)”. Når X ikke brukes, brukes "DX (Scalar)" for å beskrive avstanden mellom prøveplasseringer. "Axis (int)" -parameteren spesifiserer hvilken akse som skal brukes til integrasjonen. Trapezoidal regel om resultatet av det første og siste intervallet er spesifisert av parameteren "Even (String)".

La oss nå vurdere et eksempelprogram. Som sett i koden har vi lastet den nødvendige modulen. Etter det opprettet vi en rekke data. Så opprettet vi prøvepunktene. Etter det beregnet vi integrasjonen ved bruk av Simpson () -metoden. Den integrerte verdien av matrisen vises i utgangen, og de medfølgende prøvepunktene er 104.5.

Importer numpy som NP
Fra scipy.Integrer import Simpson som SM
data_val = np.Arange (4,16)
data_res = np.Arange (4,16)
check_res = sm (data_val, data_res)
print (check_res)

Du kan se følgende utgang, og du kan se de genererte prøvepunktene:

Konklusjon

Denne artikkelen introduserte “Scipy Integrate” og flere relaterte konsepter-inkludert Scipy Integrating, Trapezoid Scipy Integrate Quad, og Scipy Integrates Simpson. Vi har oppsummert hele emnet i dette innlegget. For å hjelpe deg med å forstå de teoretiske detaljene, har vi gitt flere kodeeksempler med skjermbilder. Prøv ut disse prøvekodene for å bedre forstå hvordan du bruker scipy.integrere teknikk hvis du er ny på dette konseptet.