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 کنار مجموعه کتابخانه‌های NumPy و SciPy که محاسبات علمی در پایتون را تسهیل نموده و روشهای عددی متعددی را برای کاربران فراهم می‌آورند، کتابخانه SymPy امکان محاسبات سمبولیک را فراهم می‌آورد. این کتابخانه قابلیت محاسبات جبری، محاسبه حد، مشتق و انتگرال، حل معادلات و کار بر روی ماتریس‌ها را بصورت پارامتری برای ما به ارمغان می‌آورد. در این نوشته با ذکر چند مثال با این کتابخانه آشنا می‌شویم.
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.
اگر از زبان خشک، بی روح و غیر تکنیکی متلب برای شبیه سازی ها و محاسبات علمی و عددیتان خسته شده اید و می خواهید با زبان پایتون که انعطاف پذیری و سرعت بیشتری نسبت به متلب دارد به انجام کارهای شبیه سازیتان بپردازید، پیشنهاد ما برای شما استفاده از کتابخانه NumPy می‌باشد. این کتابخانه در کنار دو کتابخانه SciPy و matplotlib تمام آنچه شما نیاز دارید را در خود دارد. در این نوشته در صد قدم ساده و ابتدایی شروع به یادگیری سریع کار با NumPy خواهیم کرد.
بدون شک اساس پردازش سیگنال دیجیتال تبدیل فوریه و پیاده سازی سریع آن یعنی fft می‌باشد. بسته های نرم افزاری طراحی شده برای محاسبات عددی اکثرا دارای توابع از پیش تعریف شده‌ای برای انجام این کار می‌باشند. یکی از این بسته های نرم افزاری پر طرفدار و کارامد در زبان برنامه نویسی پایتون SciPy می باشد. در این نوشته به معرفی نحوه محاسبه تبدیل فوریه یک سیگنال زمانی در پایتون با استفاده از امکانات کتابخانه SciPy پرداخته می شود.
در بسیاری از فرآیندهای محاسباتی امکان روبرو شدن با مسئله پیدا کردن ریشه معادلات محتمل است. این معادلات می توانند در حالت کلی غیرخطی و در ابعاد بزرگ باشند از این رو کاربرد روشهای کارامد برای حل این دسته از مسائل بسیار مهم می باشد. یکی از روشهای شناخته شده که مسئله ریشه یابی را تقریب کریلوف ژاکوبین معکوس انجام می دهد، روش نیوتون-کریلوف است. در این نوشته به نحوه پیدا کردن ریشه دسته معادلات غیرخطی با روش نیوتون-کریلوف پرداخته می شود.