Hur man installerar och använder Python (x, y) i Python

How Install Use Python X



Python är ett mycket populärt programmeringsspråk nu för att utveckla olika typer av applikationer eller lösa programmeringsproblem. Den innehåller många standardbibliotek och paket för olika ändamål. Python (x, y) är en av de fria pythonfördelningarna för matematiska beräkningar och dataanalys. Det är utvecklat och underhållet av Pierre Raybaut. Användaren kan göra olika vetenskapliga datorer med hjälp av denna distribution som 2D- eller 3D -plottning, vetenskaplig projektutveckling, parallellberäkning etc. Den är baserad på Qt -utvecklingsramar och Spyder -utvecklingsmiljö. Det är främst utvecklat för vetenskapliga programmerare. Den stöder både tolkade och sammanställda språk. Du bör ha grundläggande kunskaper i python för att använda python (x, y). Den kan användas i både Windows och Linux operativsystem. Hur python (x, y) kan installeras och användas på Ubuntu -operativsystemet visas i den här självstudien.

Operativsystemet måste uppdateras innan du installerar python (x.y). Kör följande kommando för att uppdatera systemet.







$sudo apt-get uppdatering



Det är nödvändigt att kontrollera att någon pytontolk är installerad tidigare i systemet eller inte. Kör följande kommando för att kontrollera den installerade versionen av python. Det är bättre att ta bort alla tidigare installerade pythonversioner innan du installerar python (x, y).



$ python





Utdata visar att inget python -paket har installerats tidigare i systemet. I det här fallet måste vi installera pythontolkaren först.

Installera Python (x.y)

Du kan installera python (x, y) eller vetenskapliga python -paket på två sätt. Ett sätt är att ladda ner och installera ett lämpligt python (x, y) -paket baserat på Ubuntu och ett annat sätt är att installera nödvändiga paket för att utföra vetenskaplig dator i Python. Det andra sättet är enkelt att installera vilket följs i den här självstudien.



Steg:

  1. Först måste du installera pythontolkaren och pakethanteraren för att starta installationsprocessen. Så kör följande kommando för att installera python3 och python3-pip paket. Tryck ' och 'När den kommer att be om tillstånd för installation.
$ sudo apt-get install python3 python3-pip

  1. Därefter måste du installera nödvändiga vetenskapliga bibliotek av python3 för att göra vetenskapliga operationer. Kör följande kommando för att installera biblioteken. Här kommer fem bibliotek att installeras efter att kommandot körts. Dessa är numpy, matplotlib, scipy, pandor och sympatiskt . Användningen av dessa bibliotek förklaras i nästa del av denna handledning.
$ sudo apt-get install python3-numpy python3-matplotlib
python3-scipy python3-pandas python3-sympy

  1. För att ta bort begränsningarna för pythontolkaren och tillhandahålla ett användarvänligt gränssnitt, ipython paket används. Kör följande kommando för att installera ipython3 paket.
$ sudo apt-get install ipython3

  1. Kör följande kommando för att installera qt5 relaterade paket för GUI -utveckling.
$ sudo apt-get install python3-pyqt5
python3-pyqt5.qtopenglpython3-pyqt5.qtquick

  1. Spyder är en användbar kodredigerare som kan markera syntaxen och göra kodredigeringen och felsökningen enklare. Kör följande kommando för att installera spyder .
$ sudo apt-get installera spyder3

Om alla paket som nämns ovan är korrekt installerade utan något fel installeras din python (x, y) korrekt.

Använda Python (x, y):

Några grundläggande användningar av python (x, y) visas i denna del av handledningen med hjälp av olika exempel med förklaringar. Du kommer att behöva köra spyder kodredigerare för att börja använda python (x, y). Klicka på Visa ansökan ikon och skriv ' NS ' i sökrutan. Om spyder är rätt installerad då spyder ikon visas.

Klicka på Spyder3 ikon för att öppna programmet. Följande skärm visas efter att programmet öppnats.

Nu kan du börja skriva kod för att göra vetenskapliga beräkningsuppgifter. De grundläggande användningarna av de fem installerade python3 -biblioteken för vetenskapliga operationer visas i följande sex exempel.

Exempel-1: Använda variabler och typer

Detta exempel visar den mycket grundläggande användningen av pythondatatyper och variabler. I följande skript deklareras fyra typer av variabler. Dessa är i nteger, float, boolean och sträng . typ() metoden används i python för att ta reda på vilken variabel som helst.

#!/usr/bin/env python3
#Tilldela heltalsvärde
var1= femtio
skriva ut (typ(var1))

#Assinging float value
var2= 3,89
skriva ut (typ (var2))

#Att tilldela
var3= Sann
skriva ut (typ(var3))

#Tilldela strängvärde
ja4= 'LinuxHint'
skriva ut (typ(ja4))

Produktion:
Kör skriptet genom att trycka på spela ( ) från toppen av redigeraren. Om du klickar på Variabel utforskare fliken från höger sida så kommer följande utdata att visas för de fyra variablerna.

Exempel 2: Använda numpy för att skapa en och mångdimensionell matris

Alla typer av numerisk beräkning görs av numpy paket i python. Den flerdimensionella datastrukturen, vektorn och matrisdata kan definieras och användas av denna modul. Det kan beräkna mycket snabbt eftersom det är utvecklat av C och FORTRAN. numpy modul används i följande skript för att deklarera och använda endimensionella och tvådimensionella matriser i python. Tre typer av matriser deklareras i manuset. myArray är en endimensionell matris som innehåller 5 element. hjälp egenskap används för att ta reda på dimensionen för en matrisvariabel. len () funktionen används här för att räkna det totala antalet element av myArray . s telefon() funktionen används för att visa matrisens nuvarande form. myArray2 är en tvådimensionell matris som innehåller sex element i två rader och tre kolumner (2 × 3 = 6). storlek() funktionen används för att räkna de totala elementen av myArray2 . ordna() -funktionen används för att skapa en områdesgrupp med namnet myArray3 som genererar element genom att lägga till 2 med varje element från 10.

#!/usr/bin/env python3
#Använder numpy
importeranumpysomnpy
#Deklarera en endimensionell array
myArray=npy.array([90,Fyra fem,78,12,66])
#Skriv ut alla element
skriva ut(myArray)
#Skriv ut måtten på matrisen
skriva ut(myArray.hjälp)

#Skriv ut det totala antalet element
skriva ut(len(myArray))

#Skriv ut matrisens form
skriva ut(npy.form(myArray))

#Deklarera en tvådimensionell matris
myArray2=npy.array([[101,102,103],['Nila','Hon','Söt']])

## Skriv ut det totala antalet element
skriva ut(npy.storlek(myArray2))

#Skapa en intervallmatris
myArray3=npy.arange(10,tjugo,2)

#Skriv ut matriselementen
skriva ut(myArray3)

Produktion:

Följande utdata visas efter att manuset har körts.

Exempel 3: Använd Matlab för att rita en kurva

Matplotlib biblioteket används för att skapa 2D- och 3D -vetenskapliga figurer baserade på specifika data. Det kan generera högkvalitativ utmatning i olika format som PNG, SVG, EPG, etc. Det är en mycket användbar modul för att generera siffror för forskningsdata där siffran kan uppdateras när som helst genom att ändra data. Hur du kan rita en kurva baserad på x- och y-axelvärdena med denna modul visas i detta exempel. pylab används för att rita kurvan här. linspace () funktionen används för att ställa in x-axelvärdet i regelbundet intervall. Y-axelvärden beräknas genom att kvadrera värdet på x-axeln. figur() är en init -funktion som används för att aktivera pylab . 'B' -tecken används i komplott() funktion för att ställa in kurvens färg. Här anger 'b' blå färg. xlabel () funktionen används för att ställa in titeln på x-axeln och ylabel () funktionen används för att ställa in titeln på y-axeln. Grafens titel anges med titel() metod.

#!/usr/bin/env python3
#Använda pylab -modul
importerapylabsompl
#Ställ in värdet för x-axeln
x=pl.linspace(0, 8, tjugo)
#Beräkna värdet på y-axeln
och=x **2

#Initialisering för plottning
pl.figur()

#Ställ in diagrammet baserat på x, y -värdet med blå färg
pl.komplott(x,och, 'b')

#Ställ in titeln för x-axeln
pl.xlabel('x')

#Ställ in titeln för y-axeln
pl.ylabel('och')

#Ställ in rubriken för grafen
pl.titel('Plottexempel')
pl.show()

Produktion:
Följande utdata visas efter att manuset har körts. Kurvan visas på bildens högra nedre sida.

Exempel-4: Använda sympy-modul för symboliska variabler

sympy -biblioteket används i python för symbolisk algebra. Symbolklass används för att skapa en ny symbol i python. Här deklareras två symboliska variabler. var1 variabel är inställd på Sann och är_imaginärt egendom returnerar Falsk för denna variabel. var2 variabel är satt till true som indikerar 1. Så, när det är markerat det var2 är större än 0 eller inte så returnerar den True.

#!/usr/bin/env python3

#import sympy -modul
frånsympatisktimportera*

#Skapa en symbolvariabel med namnet 'var1' med ett värde
var1=Symbol('var1',verklig=Sann)

#Testa värdet
skriva ut(var1.är_imaginärt)

#Skapa en symbolvariabel med namnet 'var2' med ett värde
var2=Symbol('var2',positiv=Sann)

#Kolla att värdet är mer än 0 eller inte
skriva ut(var2>0)

Produktion:
Följande utdata visas efter att manuset har körts.

Exempel 5: Skapa DataFrame med pandor

pandas bibliotek är utvecklat för rengöring, analys och transformering av data i python. Den använder många funktioner i numpy bibliotek. Så det är viktigt att installera numpy bibliotek av python innan du installerar och använder pandor . Det används också med andra vetenskapliga bibliotek av python som scipy, matplotlib etc. Kärnkomponenterna i pandor är serier och DataFram e. Varje serie indikerar datakolumnen och en DataFrame är en flerdimensionell tabell i en serie serier. Följande skript genererar en DataFrame baserad på tre dataserier. Pandas bibliotek importeras i början av skriptet. Därefter heter en variabel märken deklareras med tre dataserier som innehåller märken för tre ämnen för tre elever som heter ' Janifer ’,‘ John ’och‘ Paul ’ . DataFrame () pandas funktion används i nästa uttalande för att generera en DataFrame baserad på variabeln märken och lagra den i variabeln, resultat . Slutligen, resultat variabel skrivs ut för att visa DataFrame.

#!/usr/bin/env python3

#importera modulen
importerapandorsompd

#Sätt betyg för tre ämnen för tre studenter
märken= {
'Janifer':[89, 67, 92],
'John':[70, 83, 75],
'Paul':[76, 95, 97]
}

#Skapa dataramen med pandor
ämnen=pd.DataFrame(märken)

#Visa dataramen
skriva ut(ämnen)

Produktion:
Följande utdata visas efter att manuset har körts.

Exempel-6: Använda scipy-modul för matematisk beräkning

SciPy bibliotek innehåller ett stort antal vetenskapliga algoritmer för att utföra vetenskaplig beräkning i python. Några av dem är Integration, Interpolation, Fourier -transform, Linjär algebra, Statistik, File IO, etc. Spyder -redigerare används för att skriva och exekvera koderna i tidigare exempel. Men spyder -redaktören stöder inte de skumma modulerna. Du kan kontrollera listan över moduler som stöds av spyder -redigeraren genom att trycka på Beroenden ... alternativ för hjälpmeny. Scipy -modul finns inte i listan. Följande två exempel visas från terminalen. Öppna terminalen genom att trycka på Alt_Ctrl+T och typ pytonorm för att köra pythontolkaren.

Beräkna kubrot av tal

scipy library innehåller en modul som heter cbrt för att beräkna kubroten valfritt tal. Följande manus kommer att beräkna kubroten av tre nummer. numpy bibliotek importeras för att definiera listan med siffror. Nästa, fånig bibliotek och cbrt modul som är under scipy.special importeras. Kubrotvärdena 8, 27 och 64 lagras i variabeln resultat som skrivs ut senare.

>>> importeranumpy
>>> importerafånig
>>> frånfånig.särskild importeracbrt
>>>resultat=cbrt([ 8, 27, 64])
>>> skriva ut(resultat)

Produktion:
Följande utmatning visas efter att kommandona har körts. Kubrot av 8, 27 och 64 är 2, 3 och 4.

Lösa linjär algebra med hjälp av scipy -modul

linalg modul i scipy library används för att lösa den linjära algebra. Här, fånig biblioteket importeras i det första kommandot och nästa linalg modul av fånig biblioteket importeras. numpy bibliotek importeras för att deklarera matriserna. Här, ekv variabel deklareras för att definiera koefficienterna och timmar variabel används för att definiera respektive värden för beräkning. lösa() funktionen används för att beräkna resultaten baserat på ekv och timmar variabler.

>>> importerafånig
>>> frånfånigimporteralinalg
>>> importeranumpysomt.ex
>>>ekv=t.ex.array([[9, 0, 5], [10, 3,-2], [7,-2, 0]])
>>>timmar=t.ex.array([3,-6, 9])
>>>resultat=linalg.lösa(ekv,timmar)
>>> skriva ut(resultat)

Produktion:
Följande utdata visas efter att ha kört ovanstående kommandon.

Slutsats:

Python är ett mycket användbart programmeringsspråk för att lösa olika typer av matematiska och vetenskapliga problem. Python innehåller ett stort antal bibliotek för att utföra den här typen av uppgifter. De mycket grundläggande användningarna av vissa bibliotek visas i den här självstudien. Om du vill vara en vetenskaplig programmerare och nybörjare för python (x, y), hjälper den här självstudien dig att installera och använda python (x, y) på Ubuntu.

En demo hittar du här nedan: