Python er et meget populært programmeringssprog nu til udvikling af forskellige typer applikationer eller løsning af programmeringsproblemer. Den indeholder mange standardbiblioteker og pakker til forskellige formål. Python (x, y) er en af ​​den gratis pythondistribution til at udføre matematiske beregninger og dataanalyse. Det er udviklet og vedligeholdt af Pierre Raybaut. Brugeren kan udføre forskellige videnskabelige computere ved hjælp af denne distribution som 2D- eller 3D-plotning, videnskabelig projektudvikling, parallel computing osv. Den er baseret på Qt-udviklingsrammer og Spyder-udviklingsmiljø. Det er hovedsageligt udviklet til videnskabelige programmører. Det understøtter både fortolket og kompileret sprog. Du skal have grundlæggende viden om python for at bruge python (x, y). Det kan bruges i både Windows- og Linux-operativsystemer.  Hvordan python (x, y) kan installeres og bruges på Ubuntu-operativsystemet, vises i denne vejledning.

Før installation:

Operativsystemet skal opdateres inden installation af python (x.y). Kør følgende kommando for at opdatere systemet.

$ sudo apt-get opdatering

Det er nødvendigt at kontrollere, at en hvilken som helst pythontolker er installeret før i systemet eller ej. Kør følgende kommando for at kontrollere den installerede version af python. Det er bedre at fjerne enhver tidligere installeret pythonversion, før du installerer python (x, y).

$ python

Outputtet viser, at der ikke er installeret nogen python-pakke før i systemet. I dette tilfælde skal vi først installere pythontolken.

Installer Python (x.y)

Du kan installere python (x, y) eller videnskabelige pythonpakker på to måder. En måde er at downloade og installere en passende python (x, y) pakke baseret på Ubuntu, og en anden måde er at installere nødvendige pakker til at udføre videnskabelig computing i Python.  Den anden måde er let at installere, som følges i denne vejledning.

Trin:

1. Først skal du installere pythontolken og pakkehåndteringen for at starte installationsprocessen. Så kør følgende kommando for at installere python3 og python3-pip pakker. Tryk på 'y'når det beder om tilladelse til installation.

$ sudo apt-get install python3 python3-pip

2. Dernæst skal du installere de nødvendige videnskabelige biblioteker fra python3 for at udføre videnskabelige operationer. Kør følgende kommando for at installere bibliotekerne. Her installeres fem biblioteker efter udførelse af kommandoen. Disse er følelsesløs, matplotlib, scipy, pandaer og sympy. Brugen af ​​disse biblioteker forklares i den næste del af denne vejledning.

$ sudo apt-get install python3-numpy python3-matplotlib
python3-scipy python3-pandaer python3-sympy

3. For at fjerne begrænsningerne for pythontolken og give en brugervenlig grænseflade, ipython pakken bruges. Kør følgende kommando for at installere ipython3 pakke.

$ sudo apt-get install ipython3

4. Kør følgende kommando for at installere qt5 relaterede pakker til GUI-udvikling.

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

5. Spyder er en nyttig kodeditor, der kan fremhæve syntaksen og gøre kodedigering og fejlretning lettere. Kør følgende kommando for at installere spyder.

$ sudo apt-get install spyder3

Hvis alle ovennævnte pakker er installeret korrekt uden nogen fejl, er din python (x, y) installeret korrekt.

Brug af Python (x, y):

Nogle grundlæggende anvendelser af python (x, y) vises i denne del af selvstudiet ved hjælp af forskellige eksempler med forklaringer. Du bliver nødt til at køre spyder kode editor til at begynde at bruge python (x, y). Klik på Vis applikation ikon og skriv 'sp ' i søgefeltet. Hvis spyder er installeret korrekt derefter spyder ikonet vises.

Klik på Spyder3 ikon for at åbne applikationen. Følgende skærmbillede vises efter åbning af applikationen.

Nu kan du begynde at skrive kode til at udføre videnskabelige computeropgaver. De grundlæggende anvendelser af de fem installerede biblioteker i python3 til videnskabelige operationer er vist i de følgende seks eksempler.

Eksempel 1: Brug af variabler og typer

Dette eksempel viser den meget grundlæggende anvendelse af pythondatatyper og -variabler. I det følgende script erklæres fire typer variabler. Disse er jegnteger, float, boolean og snor. type() metode bruges i python for at finde ud af typen af ​​en hvilken som helst variabel.

#!/ usr / bin / env python3
#Tildeling af heltal
var1 = 50
print (type (var1))
 
# Assinging float value
var2 = 3.89
print (type (var2))
 
#Tildeling
var3 = Sandt
print (type (var3))
 
#Tildeling af strengværdi
var4 = "LinuxHint"
print (type (var4))

Produktion:
Kør scriptet ved at trykke på Spil ( ) knappen fra toppen af ​​editoren. Hvis du klikker på Variabel opdagelsesrejsende fanen fra højre side, så vises følgende output for de fire variabler.

Eksempel 2: Brug numpy til at oprette et og flerdimensionelt array

Alle typer numerisk databehandling udføres af bedøvet pakke i python. Den multidimensionale datastruktur, vektor og matrixdata kan defineres og bruges af dette modul. Det kan beregne meget hurtigt, fordi det er udviklet af C og FORTRAN. bedøvet modulet bruges i det følgende script til at erklære og bruge endimensionelle og todimensionale arrays i python. Tre typer arrays er erklæret i scriptet. myArray er et endimensionelt array, der indeholder 5 elementer. ndim egenskab bruges til at finde ud af dimensionen af ​​en matrixvariabel. len () funktion bruges her til at tælle det samlede antal elementer af myArray. shape () funktion bruges til at vise arrayets aktuelle form. myArray2 er et todimensionelt array, der indeholder seks elementer i to rækker og tre kolonner (2 × 3 = 6). størrelse() funktion bruges til at tælle de samlede elementer af myArray2. arrangere () funktion bruges til at oprette et navngivet rækkevidde myArray3 der genererer elementer ved at tilføje 2 med hvert element fra 10.

#!/ usr / bin / env python3
# Bruger bedøvet
importer numpy som npy
#Deklarer et endimensionelt array
myArray = npy.array ([90,45,78,12,66])
# Udskriv alle elementer
print (myArray)
# Udskriv matrixens dimension
udskrive (myArray.ndim)
 
# Udskriv det samlede antal elementer
print (len (myArray))
 
# Udskriv arrayets form
udskrive (npy.form (myArray))
 
#Deklarer et todimensionelt array
myArray2 = npy.array ([[101.102.103], ["Nila", "Ella", "Bella"]])
 
## Udskriv det samlede antal elementer
udskrive (npy.størrelse (myArray2))
 
# Opret en rækkeopstilling
myArray3 = npy.arange (10,20,2)
 
#Print matrixelementerne
udskriv (myArray3)

Produktion:

Følgende output vises efter kørsel af scriptet.

Eksempel 3: Brug Matlab til at tegne en kurve

Matplotlib bibliotek bruges til at skabe 2D og 3D videnskabelige figurer baseret på specifikke data. Det kan generere output i høj kvalitet i forskellige formater som PNG, SVG, EPG osv.  Det er et meget nyttigt modul til at generere tal til forskningsdata, hvor figuren kan opdateres når som helst ved at ændre data. Hvordan du kan tegne en kurve baseret på x-akse og y-akse værdier ved hjælp af dette modul vises i dette eksempel. pylab bruges til at tegne kurven her. linspace () funktion bruges til at indstille x-akse-værdien i regelmæssigt interval. Y-akse-værdier beregnes ved at kvadratere værdien af ​​x-aksen. figur() er en init-funktion, der bruges til at aktivere pylab. 'b' karakter bruges i grund() funktion til at indstille kurvens farve.  Her angiver 'b' blå farve. xlabel () funktion bruges til at indstille titlen på x-aksen og ylabel () funktion bruges til at indstille titlen på y-aksen. Titlen på grafen er indstillet af titel() metode.

#!/ usr / bin / env python3
#Brug af pylab-modul
importer pylab som pl
# Indstil værdien af ​​x-aksen
x = pl.linspace (0, 8, 20)
#Beregn værdien af ​​y-aksen
y = x ** 2
 
#Initialisering til plotning
pl.figur()
 
# Indstil plot baseret på x, y-værdi med blå farve
pl.plot (x, y, 'b')
 
# Indstil titlen til x-aksen
pl.xlabel ('x')
 
# Indstil titlen på y-aksen
pl.ylabel ('y')
 
# Indstil titlen til grafen
pl.titel ('Plotteeksempel')
pl.at vise()

Produktion:
Følgende output vises efter kørsel af scriptet. Kurven vises i nederste højre side af billedet.

Eksempel 4: Brug af sympymodul til symbolske variabler

sympy-bibliotek bruges i python til symbolsk algebra. Symbolklasse bruges til at oprette et nyt symbol i python. Her erklæres to symbolske variabler. var1 variabel er indstillet til Rigtigt og  er_imaginær ejendom returnerer Falsk for denne variabel. var2 variabel er sat til sand, der angiver 1.  Så når det kontrolleres det var2 er større end 0 eller ikke, så returnerer den Sand.

#!/ usr / bin / env python3
 
#import sympy-modul
fra sympy import *
 
# Opret en symbolvariabel med navnet 'var1' med en værdi
var1 = Symbol ('var1', real = True)
 
#Test værdien
udskrive (var1.er_imaginary)
 
# Opret en symbolvariabel med navnet 'var2' med en værdi
var2 = Symbol ('var2', positiv = Sand)
 
# Kontroller, at værdien er mere end 0 eller ej
udskrive (var2> 0)

Produktion:
Følgende output vises efter kørsel af scriptet.

Eksempel 5: Opret DataFrame ved hjælp af pandaer

pandas-biblioteket er udviklet til rengøring, analyse og transformation af data i python. Det bruger mange funktioner i bedøvet bibliotek. Så det er vigtigt at installere bedøvet bibliotek af python inden installation og brug pandaer. Det bruges også med andre videnskabelige biblioteker af python som scipy, matplotlib etc. Kernekomponenterne i pandaer er serie og DataFrame. Enhver serie angiver kolonnen med data, og en DataFrame er en multidimensionel tabel over en samling af serier. Følgende script genererer en DataFrame baseret på tre serier af data.  Pandas-biblioteket importeres i begyndelsen af ​​scriptet. Dernæst en variabel med navnet mærker erklæres med tre serier af data, der indeholder karakterer af tre emner med tre studerende med navnet 'Janifer ',' John 'og' Paul '. DataFrame () funktion af pandaer bruges i den næste sætning til at generere en DataFrame baseret på variablen mærker og gem det i variablen, resultat. Endelig er det resultat variablen udskrives for at vise DataFrame.

#!/ usr / bin / env python3
 
#import modulet
importer pandaer som pd
 
# Sæt karakterer for tre fag for tre studerende
mærker =
'Janifer': [89, 67, 92],
'John': [70, 83, 75],
'Paul': [76, 95, 97]

 
# Opret datarammen ved hjælp af pandaer
emner = pd.DataFrame (mærker)
 
#Vis datarammen
print (emner)

Produktion:
Følgende output vises efter kørsel af scriptet.

Eksempel 6: Brug scipy-modul til matematisk beregning

SciPy bibliotek indeholder et stort antal videnskabelige algoritmer til udførelse af videnskabelig computing i python. Nogle af dem er integration, interpolation, Fourier-transformation, lineær algebra, statistik, fil IO osv. Spyder-editor bruges til at skrive og udføre koder i tidligere eksempler. Men spyder-editor understøtter ikke scipy-modulerne. Du kan kontrollere listen over understøttede moduler i spyder editor ved at trykke på Afhængigheder .. mulighed for hjælpemenuen. Scipy-modul findes ikke på listen. Så følgende to eksempler vises fra terminalen. Åbn terminalen ved at trykke på “Alt_Ctrl + T ” og skriv python at køre pythontolken.

Beregning af kubens rod af tal

scipy-biblioteket indeholder et modul med navnet cbrt for at beregne terningens rod et hvilket som helst tal. Det følgende script beregner terningens rod på tre tal. bedøvet biblioteket importeres for at definere listen over numre. Næste, scipy bibliotek og cbrt modul, som er under scipy.særlig importeres.  Kubens rodværdier på 8, 27 og 64 er gemt i variablen resultat der udskrives senere.

>>> import bedøvet
>>> import scipy
>>> fra scipy.speciel import cbrt
>>> resultat = cbrt ([8, 27, 64])
>>> print (resultat)

Produktion:
Følgende output vises efter kørsel af kommandoerne. Terningen af ​​8, 27 og 64 er 2, 3 og 4.

Løsning af lineær algebra ved hjælp af scipy-modul

linalg modul af scipy-bibliotek bruges til at løse den lineære algebra.  Her, scipy bibliotek importeres i den første kommando og den næste linalg modul af scipy biblioteket importeres. bedøvet biblioteket importeres for at erklære arrays. Her, ækv variabel erklæres for at definere koefficienter og val variabel bruges til at definere de respektive værdier til beregning.  løse() funktion bruges til at beregne resultaterne baseret på ækv og val variabler.

>>> import scipy
>>> fra scipy import linalg
>>> import numpy som np
>>> eq = np.array ([[9, 0, 5], [10, 3, -2], [7, -2, 0]])
>>> val = np.array ([3, -6, 9])
>>> resultat = linalg.løse (eq, val)
>>> print (resultat)

Produktion:
Følgende output vises efter kørsel af ovenstående kommandoer.

Konklusion:

Python er et meget nyttigt programmeringssprog til løsning af forskellige typer matematiske og videnskabelige problemer. Python indeholder et stort antal biblioteker til at udføre denne type opgaver. De meget grundlæggende anvendelser af nogle biblioteker vises i denne vejledning. Hvis du vil være en videnskabelig programmør og nybegynder til python (x, y), vil denne tutorial hjælpe dig med at installere og bruge python (x, y) på Ubuntu.

En demo kan findes her nedenfor: