Scipy Simpson

Blant de numeriske modellene som brukes til å beregne integralen inkluderer "Simpsons" -regel. Vanligvis bruker vi Logic Foundation Teorem for å få skalafaktoren som krever at vi bruker antiderivative integrasjonsmetodologier. Vi kan oppnå integrering av funksjon F (q) ved å bruke verdier langs retningen og syntetisere Simpsons styre ved hjelp av scipy.integrere.Simps () -funksjon. I hovedsak er det en Python vitenskapelig arbeidsflytmodul som tilbyr innebygde verktøy for mange godt aritmetiske operasjoner. Scipy Integrer Inter tilbyr flere integrasjonsmetoder om enn med integrert for vanlige differensialligninger.

Fremgangsmåte:

Metoden for implementering av "Scipy Simpson" -funksjonen vil bli diskutert og vist i denne artikkelen. Vi må bruke et merkelig utvalg av nettenheter mens vi har en jevn kombinasjon av spenn. Halvparten av ordinatene må multipliseres med et sett med parametere kjent som "Simpsons multiplikatorer" for å tilfredsstille "Simpsons første regel" -formel, med tanke på eksemplene hvor som helst langs den spesifiserte aksen og den sammensatte Simpsons regel for å integrere "F (Q)". Intervallet til "DQ" forventes hvis "Q" er ingen. Siden Simpsons regulering krever et jevnt antall intervaller og det må være et heltall antall prøver “n”, er det et merkelig heltall av mellomliggende “(n-1)”. Måten dette styres på styres av "jevn" argumentet. Hvis prøvene ikke er jevnt fordelt, må funksjonen være et polynom som har rekkefølgen “2” eller mindre enn “2” for å gjøre resultatet nøyaktig.

Syntaks:

$ scipy.integrere.Simps (R, Q)

Vi nevnte syntaksen til Scipy Simpsons funksjon på Python -språket. Denne funksjonen har to parametere for "integrerende" -funksjonen og vurderer de to variablene for lagring eller passering av verdien i strengen som "R" og "Q" innen Simps -funksjonen til Python.

Returverdi:

Bruk av prøvene vil gi den integrerte verdien av Q (R) i utgangsskjermen ved å finne ut integrasjonen av begge variablene og lagre de numeriske verdiene i den. Resultatet eller returverdien er den integrerte verdien av Simpsons funksjon av disse variablene.

Eksempel 1:

Nå er vi kjent med syntaksen og fenomenet å jobbe med Scipy Simpson -funksjonen. La oss begynne å implementere den i Python -koden i forskjellige scenarier. Vi starter med å ha verktøyet først. Vi installerer “Spyder” -verktøyet. Etter installasjonen begynner vi å skrive koden vår i konsollfilen. Først av alt trenger vi “Numpy” -biblioteket i Python -kildefilen, så vi importerer dette biblioteket først som “NP”. Etter det importerer vi et annet bibliotek med "integrering" fra kilden til "scipy". Vi legger til noen kommentarer i mellom for å forstå hva vi gjorde i hvert trinn.

Etter å ha importert både "integrert" og "numpy" biblioteker, krever vi variablene for å holde den numeriske verdien for å vise oss det integrerte fenomenet. For dette formålet lager vi to variabler av “S” og “C” der variabelen “S” er tildelt med “NP” som den arrangerte verdien av område “2” til “12”. Mens variabelen “C” på samme måte har den numpy “NP” -forlengelsen sammen med ordningsverdien til relevant rekkevidde fra “2” til “12”, lignende med “S” -variabelen tildelt verdi.

Etter det bruker vi nå hovedfunksjonen vår for å "integrere.Simps () ”på variablene“ C ”og“ S ”og tilordne dette resultatet til en ny brukerdefinert funksjon av navnet,“ Scipy_simpson ”. Her, på dette trinnet, lagres resultatet og verdiene skal integreres og lagres i "scipy_simpson" -funksjonen ". Til slutt, for å vise resultatet, bruker vi "print ()" -funksjonen og kaller funksjonsverdien som er lagret i "scipy_simpson".

#Importing Numpy Library
Importer numpy som NP
#importing integrere av scipy
Fra Scipy Import Integrer
#Declaring og tilordne rekkevidde til variabler
S = NP.Arange (2, 12)
C = NP.Arange (2, 12)
#UTLIZING INTEGRERE.Simps () modul
Scipy_simpson = integrere.Simps (C, S)
#uttrykk av scipy_simpson -funksjonen
Print (Scipy_Simpson)

Utgangen fra programkoden vår for Scipy Simpson -metoden som vi brukte viser den integrerte verdien av begge variablene “S” og “C” som det endelige resultatet av returverdien som “58.5 ”. Denne verdien varierer annerledes for de forskjellige lagrede numeriske verdiene for variabler i henhold til deres områder.

Eksempel 2:

La oss undersøke hvordan vi kan bruke den samme Scipy Simpson -metoden for bruk av bare en numerisk verdi ved å bruke "SQRT ()" -funksjonen på den medfølgende variabelen som brukes. La oss utføre implementasjonen av koden på verktøyet vårt der vi importerer de to første bibliotekene til “Numpy” som “NP” og “Integrer” fra Scipy som vi brukte i forrige eksempel.

Nå erklærer vi to variabler av “Q” og “R” der variabelen “Q” er den tildelte “Arrange ()” -funksjonen med rekkevidden til “3” og “15” og variabelen “R” bruker “ SQRT () ”-funksjon på verdien av variabel“ Q ”og lagre den i variabelen til“ R ”. Etter å ha tilordnet verdiene til begge variablene, kommer vi “Integreres.Simps () ”-funksjon. Vi bruker det på variablene våre “R” og “Q” ved å definere den nye funksjonen til “Scipy_simp” og lagre den i denne funksjonen. Deretter bruker vi "print ()" -funksjonen på det siste trinnet og kaller "scipy_simp" -funksjonen i "print ()" -funksjonen. Deretter viser det det integrerte forholdet til den endelige returverdien.

#importing numpy og integrere bibliotek OS Scipy
Importer numpy som NP
Fra Scipy Import Integrer
#Declaring -variabler
Q = NP.Arange (3, 15)
r = np.SQRT (Q)
# Bruke scipy.integrere.Simps () -metode
Scipy_simp = integrere.Simps (R, Q)
#printing scipy_simp -funksjon
print (scipy_simp)

Etter å ha fullført koden når den forrige koden er samlet, viser den det integrerte verdiavkastningsresultatet på utgangsskjermen som er nesten “31.46 ”eller begge variabler av“ Q ”og“ R ”.

Konklusjon

Beskrivelsen og temaimplementeringen av Scipy Simpson -metoden er diskutert i denne artikkelen. Artikkelen vår illustrerte to eksempler på Simpsons -metoden for scipy for å finne ut forholdet mellom integrert verdi mellom to variabler som er definert i programmet. Den første dekker verdien som spenner fra minimal til “2”, mens den andre varierer til minimal av “3”. I det første eksemplet ble forholdsverdiene begge definert separat. Men i det andre eksemplet definerte vi den første verdien, og den andre verdien er avledet av "SQRT" -funksjonen for den andre variable verdien.