کتابخانههای جنبی پایتون اکثرا از رابط Python/C برای افزایش سرعت اجرا استفاده می کنند. برای اینکه بتوانیم از این ظرفیت بالقوه استفاده نماییم باید حدالامکان فراخوانی مکرر توابع کتابخانهای را کاهش دهیم. بعبارت عملیتر از استفاده از حلقهها و فراخوانی توابع پشتسر هم و زاید اجتناب نماییم. در این نوشته با مثالهای متعدد نحوه استفاده صحیح از numpy برای افزایش سرعت محاسبات توضیح داده خواهد شد.
PSO الگوریتمی، قوش سورولرینین اجتماعی یاشاملاریندان الهام آلینان بیر الگوریتم دیر. PSO داهی اونون کیمی الگوریتملر عمومیتله بیر مسئلهنین متعدد جوابلاری ایله باشلاییب، جوابلاری الگوریتم قاباغا گئتمهسی ایله بیر، یاخشیلادارلار؛ اونون اوچون ده بو الگوریتملره «یاخشیلاشدیرما الگوریتملری» آدینی وئرهبیلهریک. یاخشیلاتما قارشیلاشدیغیمیز مسئله ایله معنیلهنیر. بعض مسئلهلرده گلیری و قازانجی چوخالتماق، بعضیلرینده ایسه چیخیری آزالتماق، یاخشیلاتماق معیاریمیز اولور.
چند جملهای ها کاربرد ویژهای در ریاضیات و مهندسی دارند. بیشتر این کاربرد مربوط به تقریب توابع در آنالیز عددی می باشد. در زبان برنامه نویسی پایتون با استفاده از کتابخانه محاسباتی numpy می توانید چند جملهای ها را ایجاد کرده و از آنها استفاده کنید. این کتابخانه به کاربران این امکان را می دهد که با تعداد جملات مشخص داده ها را با چند جمله ای ها تقریب بزنند.
قسمت اعظمی از محبوبیت کسب شده توسط زبان برنامه نویسی پایتون علاوه بر ساختار ویژه آن، مربوط به بسته های نرم افزاری و کتابخانه هایی است که برای پشتیبانی از موضوعات مختلف در آن ارائه شده است. در این نوشته به معرفی کتابخانه منطق فازی پرداخته شده است. منطق فازی یکی از مباحثی است که مورد توجه محققین و دانشمندان می باشد و در مجامع علمی جایگاهی ویژه پیدا کرده است.
در این نوشته به ریزه کاری های رسم نمودار در پایتون با استفاده از کتابخانه matplotlib پرداخته خواهد شد. این ریزه کاری ها عبارت اند از تعیین مواردی مانند برچسب محورها، عنوان نمودار، برچسب برای نمودارهای مختلف در یک شکل، محدوده محورها و اعداد نمایش داده شده در محورها. علاوه بر اینها به نحوه اشاره به نقطه ای از نمودار و نوشتن فرمول نیز از موارد مورد بحث در این نوشته می باشند.
یکی از مهمترین قابلیتهای بسته های نرم افزاری برای محاسبات عددی و علمی، امکان بازنمایی اطلاعات و رسم نمودارها می باشد. کتابخانه matplotlib با ابزارهای رسم نمودارهای مختلف و متنوع دو بعدی و سه بعدی این نیاز را برای کاربران زبان برنامه نویسی پایتون فراهم آورده است. در این نوشته به انواع روشهای رسم نمودار سه بعدی در پایتون با استفاده از این کتابخانه پرداخته خواهد شد.
کتابخانه SymPy طیف وسیعی از محاسبات سمبولیک را برای کاربران و برنامه نویسان پایتون فراهم کرده است. یکی از این محاسبات که مورد نیاز مهندسین می باشد، تبدیل لاپلاس و عکس لاپلاس می باشد. محاسبه این تبدیل انتگرالی به سادگی با SymPy قابل انجام است و نشانگر توانمندی رقابت پایتون با متلب می باشد. در این نوشته نحوه محاسبه تبدیل لاپلاس و عکس لاپلاس را با مثال خواهیم دید.
در این نوشته کد رسم فراکتال مندل برات در پایتون با استفاده از کتابخانههای matplotlib و numpy ارائه شده است. این کد می تواند به عنوان یک مبنا برای توسعه و رسم دیگر فراکتالها مورد استفاده قرار گیرد. این کد از مثالهای پایهای matplotlib می باشد.
اگر جزو افرادی هستید که قبلا محاسبات علمیتان را با متلب انجام می دادید و در حال مهاجرت به پایتون هستید، احتمال قوی برایتان پیش می آید که بخواهید اطلاعات حاصل از محاسبات متلب را که ذخیره نموده اید، از طریق پایتون باز کرده و محاسبات دیگری را با پایتون بر روی داده ها انجام دهید. در این نوشته باز خوانی اطلاعات ذخیره شده با متلب در پایتون توضیح داده خواهد شد.