فهرست بستن

دسته: محاسبات علمی

توابع ابتدایی مربوط به آمار در numpy

در این نوشته با توابع ابتدایی مربوط به آمار آشنا خواهیم شد. این توابع عبارت اند از حداقل، حداکثر، متوسط، انحراف معیار، واریانس، همبستگی متقابل، کووارینس و غیره. کتابخانه numpy در زبان برنامه‌نویسی پایتون این توابع را در اختیار ما قرار داده است.

دستورات where و argwhere در پایتون

در این نوشته به معرفی دو دستور where و argwhere از کتابخانه numpy پرداخته خواهد شد. این دو دستور اگر درست و به جا استفاده شوند می‌توانند موجب خوانایی کدها شده و سرعت برنامه‌نویسی ما را نیز افزایش دهند. با مثال‌ها گوناگون نحوه استفاده از این دو تابع توصیف خواهد شد.

ریزه‌کاری‌های تولید اعداد تصادفی با استفاده از Numpy در پایتون

بسیاری از تحلیل‌های عددی نیاز به تولید اعداد تصادفی دارند. تعداد زیادی از الگوریتم‌ها نیز وجود دارند که برای ارائه راه حل اقدام به ایجاد پاسخ‌های تصادفی برای مسئله و بهبود آن‌ها می‌نمایند. برای همین هم ایجاد اعداد تصادفی یکی از ملزومات شبیه‌سازی‌های علمی می‌باشد. در این نوشته به معرفی امکانات کتابخانه numpy برای تولید اعداد تصادفی پرداخته خواهد شد.

پیاده‌سازی رگرسور خطی در پایتون

رگرسیون خطی تخمین یک پارامتر به‌صورت تابعی خطی از تعدادی داده دیگر می‌باشد. در عمل ما به دنبال به دست آوردن یک خط یا در حالت کلی اَبَر صفحه هستیم که با توجه به معیار خطای تعریف شده بهینه است. این روش کاربرد ویژه در علوم و مهندسی داشته و آشنایی با نحوه پیاده‌سازی آن در پایتون موضوع این نوشته می‌باشد.

پایتون دیلینده مجموعه‌لر و اونلارلا علاقه‌لی ائیله‌ملر

ریاضیاتین چوخلو ساحه‌لری مجموعه‌لر نظریه‌سی اساسیندا قورولموشدور. مجموعه‌لر، نظریه‌لردن و محض قونولاردان علاوه، عملده ده ایشله‌نرلر. بونا گؤره ده یئنی یازیلیملاما دیللرینده، مجموعه‌لرین ایشله‌نیشینی راحاتلاندیرماق اوچون، اونلارا مخصوص تابعلر و ائیله‌ملر حاضیرلانیب دیر. بو یازیدا پایتون دیلینده مجموعه‌لر و اونلارلا علاقه‌لی ائیله‌ملره گؤره دانیشیلاجاق دیر.

نکاتی پیرامون کار با آرایه‌های numpy در پایتون

کتابخانه محاسبات عددی numpy به همراه کتابخانه‌های scipy و matplotlib مجموعه‌ای غنی از امکانات را برای انجام شبیه سازی های علمی و بازنمایی آنها فراهم آورده اند. لکن نحوه استفاده از امکانات فراهم شده توسط این کتابخانه ها تعیین کننده میزان راحتتر شدن کار برای ما می باشد. در این نوشته به بررسی ریزه کاری هایی از آرایه numpy پرداخته خواهد شد.

نحوه استفاده صحیح از numpy برای افزایش سرعت محاسبات

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 الگوریتمینین پایتون دیلینده نئجه یازیلماسی

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 در پایتون با کتابخانه numpy (قسمت اول)

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.