Toán tử Matlab trong Python
Tổng / tối đa / tối thiểu của mỗi cột Show
sum(A, 1) max(A, [], 1) min(A, [], 1) sum(A, 0) np.amax(A, 0) np.amin(A, 0) sum(A, dims = 1) maximum(A, dims = 1) minimum(A, dims = 1) Tổng / tối đa / tối thiểu của mỗi hàng sum(A, 2) max(A, [], 2) min(A, [], 2) sum(A, 1) np.amax(A, 1) np.amin(A, 1) sum(A, dims = 2) maximum(A, dims = 2) minimum(A, dims = 2) Tổng/tối đa/tối thiểu của toàn bộ ma trận sum(A(:)) max(A(:)) min(A(:)) np.sum(A) np.amax(A) np.amin(A) ________số 8_______ Tổng cộng / tối đa / tối thiểu theo hàng cumsum(A, 1) cummax(A, 1) cummin(A, 1) sum(A, 0) np.amax(A, 0) np.amin(A, 0)0 sum(A, 0) np.amax(A, 0) np.amin(A, 0)1 Tổng cộng / tối đa / tối thiểu theo cột sum(A, 0) np.amax(A, 0) np.amin(A, 0)2 sum(A, 0) np.amax(A, 0) np.amin(A, 0)3 sum(A, 0) np.amax(A, 0) np.amin(A, 0)4 NumPy và Matlab rất giống nhau, cả hai đều được tạo ra để tính toán khoa học và toán học. Nhưng vẫn có nhiều điểm khác biệt, numPy được tạo ra để thực hiện các phép tính khoa học với python bằng cách sử dụng mảng trong khi Matlab sử dụng ma trận. Bài viết này sẽ cung cấp cho chúng ta một ý tưởng sâu sắc về sự tương đồng và khác biệt giữa NumPy và Matlab và làm thế nào để người dùng Matlab có thể thành thạo NumPy NumPy sử dụng cả mảng và ma trận. NumPy cung cấp một loại ma trận đặc biệt, numpy. ma trận và nó là một lớp con của ndarray (đó là mảng n chiều). Kiểu dữ liệu cơ bản của NumPy là mảng n chiều trong đó các thao tác được thực hiện theo phần tử. người ta phải sử dụng các hàm cụ thể để thực hiện các phép toán đại số tuyến tính trong NumPy. Trong khi kiểu dữ liệu cơ bản của Matlab là mảng đa chiều của các số dấu phẩy động có độ chính xác kép. Các thao tác trên các thể hiện của các kiểu dữ liệu đó được thực hiện giống như ma trận trong đại số tuyến tính, hầu hết các hàm dựng sẵn trong Matlab đều nhận và trả về kiểu mảng đó. NumPy được thiết kế cho python, ngôn ngữ lập trình có mục đích chung và nó sử dụng chỉ mục dựa trên 0 (không). Mặc dù ngôn ngữ kịch bản của Matlab được tạo để thực hiện các phép toán đại số tuyến tính nhưng cú pháp của Matlab cho một số thao tác mảng phức tạp hơn thì của NumPy. Ngoài ra Matlab sử dụng lập chỉ mục dựa trên 1 (một), nghĩa là phần tử đầu tiên của mảng được lập chỉ mục tại 1. Từ cuộc nói chuyện cơ bản này, câu hỏi đặt ra là chúng ta nên sử dụng mảng hay ma trận? NumPy cung cấp cả lớp mảng và lớp ma trận, lớp mảng cung cấp các phép tính mảng n chiều cơ bản trong khi lớp ma trận cung cấp các phép tính đại số tuyến tính cụ thể. Một số khác biệt chính giữa đối tượng mảng và đối tượng ma trận là MATLAB® được biết đến rộng rãi như một môi trường chất lượng cao cho mọi công việc liên quan đến mảng, ma trận hoặc đại số tuyến tính. Python mới hơn trong lĩnh vực này nhưng ngày càng trở nên phổ biến cho các nhiệm vụ tương tự. Như bạn sẽ thấy trong bài viết này, Python có tất cả sức mạnh tính toán của MATLAB cho các nhiệm vụ khoa học và giúp phát triển các ứng dụng mạnh mẽ một cách nhanh chóng và dễ dàng. Tuy nhiên, có một số khác biệt quan trọng khi so sánh MATLAB với Python mà bạn cần tìm hiểu để chuyển đổi hiệu quả Trong bài viết này, bạn sẽ học cách
Tiền thưởng miễn phí. hướng dẫn bạn các hướng dẫn, video và sách tốt nhất để cải thiện kỹ năng NumPy của bạn MATLAB so với Python. So sánh các tính năng và triết lýPython là ngôn ngữ lập trình đa năng, cấp cao được thiết kế để con người dễ sử dụng khi hoàn thành tất cả các loại nhiệm vụ. Python được tạo bởi Guido van Rossum và phát hành lần đầu tiên vào đầu những năm 1990. Python là một ngôn ngữ trưởng thành được phát triển bởi hàng trăm cộng tác viên trên khắp thế giới Python được sử dụng bởi các nhà phát triển làm việc trên các dự án nhỏ, cá nhân cho đến một số công ty internet lớn nhất trên thế giới. Python không chỉ chạy Reddit và Dropbox mà còn được viết bằng Python. Ngoài ra, Django Framework dựa trên Python chạy Instagram và nhiều trang web khác. Về mặt khoa học và kỹ thuật, dữ liệu để tạo ra bức ảnh lỗ đen năm 2019 đã được xử lý bằng Python và các công ty lớn như Netflix sử dụng Python trong công việc phân tích dữ liệu của họ Ngoài ra còn có một sự khác biệt triết học quan trọng trong so sánh MATLAB với Python. MATLAB là phần mềm độc quyền, mã nguồn đóng. Đối với hầu hết mọi người, giấy phép sử dụng MATLAB khá đắt, điều đó có nghĩa là nếu bạn có mã trong MATLAB thì chỉ những người có đủ khả năng mua giấy phép mới có thể chạy nó. Ngoài ra, người dùng bị tính phí cho mỗi hộp công cụ bổ sung mà họ muốn cài đặt để mở rộng chức năng cơ bản của MATLAB. Ngoài chi phí, ngôn ngữ MATLAB được phát triển độc quyền bởi Mathworks. Nếu Mathworks ngừng kinh doanh, thì MATLAB sẽ không thể phát triển được nữa và cuối cùng có thể ngừng hoạt động Mặt khác, Python là phần mềm mã nguồn mở và miễn phí. Bạn không chỉ có thể tải xuống Python miễn phí mà còn có thể tải xuống, xem và sửa đổi mã nguồn. Đây là một lợi thế lớn cho Python vì nó có nghĩa là bất kỳ ai cũng có thể tiếp tục phát triển ngôn ngữ này nếu các nhà phát triển hiện tại không thể tiếp tục vì một lý do nào đó. Nếu bạn là nhà nghiên cứu hoặc nhà khoa học, thì việc sử dụng phần mềm nguồn mở có một số lợi ích khá lớn. Paul Romer, người đoạt giải Nobel Kinh tế năm 2018, là một người mới chuyển đổi sang Python. Theo ước tính của anh ấy, việc chuyển sang phần mềm nguồn mở nói chung và Python nói riêng đã mang lại tính toàn vẹn và trách nhiệm giải trình cao hơn cho nghiên cứu của anh ấy. Điều này là do tất cả các mã có thể được chia sẻ và chạy bởi bất kỳ độc giả quan tâm nào. giáo sư. Romer đã viết một bài báo xuất sắc, Jupyter, Mathicala, and the Future of the Research Paper, về trải nghiệm của anh ấy với phần mềm nguồn mở Hơn nữa, vì Python được cung cấp miễn phí nên nhiều đối tượng hơn có thể sử dụng mã do bạn phát triển. Như bạn sẽ thấy ở phần sau của bài viết, Python có một cộng đồng tuyệt vời có thể giúp bạn bắt đầu với ngôn ngữ này và nâng cao kiến thức của bạn. Có hàng chục ngàn hướng dẫn, bài báo và sách về phát triển phần mềm Python. Dưới đây là một số để giúp bạn bắt đầu
Ngoài ra, với rất nhiều nhà phát triển trong cộng đồng, có hàng trăm nghìn gói miễn phí để hoàn thành nhiều tác vụ mà bạn muốn thực hiện với Python. Bạn sẽ tìm hiểu thêm về cách nhận các gói này sau trong bài viết này Giống như MATLAB, Python là một ngôn ngữ thông dịch. Điều này có nghĩa là mã Python có thể được chuyển giữa tất cả các nền tảng hệ điều hành chính và kiến trúc CPU hiện có, chỉ với những thay đổi nhỏ cần thiết cho các nền tảng khác nhau. Có các bản phân phối Python cho CPU máy tính để bàn và máy tính xách tay và bộ vi điều khiển như Adaf nhung. Python cũng có thể nói chuyện với các bộ vi điều khiển khác như Arduino với giao diện lập trình đơn giản gần như giống hệt nhau bất kể hệ điều hành máy chủ là gì Vì tất cả những lý do này và nhiều lý do khác, Python là một lựa chọn tuyệt vời để thay thế MATLAB làm ngôn ngữ lập trình bạn chọn. Bây giờ bạn đã bị thuyết phục để dùng thử Python, hãy đọc tiếp để tìm hiểu cách tải nó trên máy tính của bạn và cách chuyển đổi từ MATLAB Ghi chú. GNU Octave là một bản sao mã nguồn mở và miễn phí của MATLAB. Theo nghĩa này, GNU Octave có cùng những lợi thế triết học mà Python có xung quanh khả năng tái tạo mã và quyền truy cập vào phần mềm Cú pháp của Octave hầu như tương thích với cú pháp MATLAB, vì vậy nó cung cấp một lộ trình học tập ngắn cho các nhà phát triển MATLAB muốn sử dụng phần mềm mã nguồn mở. Tuy nhiên, Octave không thể phù hợp với cộng đồng của Python hoặc số lượng các loại ứng dụng khác nhau mà Python có thể phục vụ, vì vậy chúng tôi khuyên bạn nên chuyển toàn bộ sang Python Ngoài ra, trang web này được gọi là Real Python, không phải Real Octave 😀 Loại bỏ các quảng cáoThiết lập môi trường của bạn cho PythonTrong phần này, bạn sẽ học
Bắt Python qua AnacondaPython có thể được tải xuống từ một số nguồn khác nhau, được gọi là bản phân phối. Chẳng hạn, Python mà bạn có thể tải xuống từ trang web chính thức của Python là một bản phân phối. Một bản phân phối Python rất phổ biến khác, đặc biệt cho các ứng dụng toán học, khoa học, kỹ thuật và khoa học dữ liệu, là bản phân phối Anaconda Có hai lý do chính mà Anaconda rất phổ biến
Với mục đích tạo một môi trường rất giống với MATLAB, bạn nên tải xuống và cài đặt Anaconda. Khi viết bài này, có hai phiên bản chính của Python. Trăn 2 và Trăn 3. Bạn chắc chắn nên cài đặt phiên bản Anaconda cho Python 3, vì Python 2 sẽ không được hỗ trợ sau ngày 1 tháng 1 năm 2020. Trăn 3. 7 là phiên bản mới nhất tại thời điểm viết bài này, nhưng Python 3. 8 sẽ ra mắt vài tháng sau khi bài viết này được xuất bản. hoặc 3. 7 hoặc 3. 8 sẽ hoạt động tương tự với bạn, vì vậy hãy chọn phiên bản mới nhất bạn có thể Khi bạn đã tải xuống trình cài đặt Anaconda, bạn có thể làm theo các quy trình thiết lập mặc định tùy thuộc vào nền tảng của bạn. Bạn nên cài đặt Anaconda trong một thư mục không yêu cầu quyền quản trị viên để sửa đổi, đây là cài đặt mặc định trong trình cài đặt Sau khi cài đặt Anaconda, có một vài chương trình cụ thể mà bạn nên biết. Cách dễ nhất để khởi chạy ứng dụng là sử dụng Anaconda Navigator. Trên Windows, bạn có thể tìm thấy mục này trong Menu Bắt đầu và trên macOS, bạn có thể tìm thấy mục này trong Launchpad. Đây là ảnh chụp màn hình của Anaconda Navigator trên Windows Trong ảnh chụp màn hình, bạn có thể thấy một số ứng dụng đã cài đặt, bao gồm JupyterLab, Jupyter Notebook và Spyder, mà bạn sẽ tìm hiểu thêm về sau trong hướng dẫn này Trên Windows còn một ứng dụng khác mà bạn nên biết. Đây được gọi là Dấu nhắc Anaconda và là dấu nhắc lệnh được thiết lập đặc biệt để hoạt động với 32 trên Windows. Nếu bạn muốn nhập 32 lệnh trong thiết bị đầu cuối, thay vì sử dụng GUI của Bộ điều hướng, thì bạn nên sử dụng Dấu nhắc Anaconda trên WindowsTrên macOS, bạn có thể sử dụng bất kỳ ứng dụng đầu cuối nào, chẳng hạn như Terminal mặc định. app hoặc iTerm2 để truy cập 32 từ dòng lệnh. Trên Linux, bạn có thể sử dụng trình giả lập thiết bị đầu cuối mà bạn chọn và trình giả lập cụ thể nào được cài đặt sẽ phụ thuộc vào bản phân phối Linux của bạnLưu ý thuật ngữ. Bạn có thể hơi bối rối về 32 so với Anaconda. Sự khác biệt là tinh tế nhưng quan trọng. Anaconda là một bản phân phối của Python bao gồm nhiều gói cần thiết cho các loại công việc khoa học. 32 là phần mềm quản lý gói đa nền tảng đi kèm với bản phân phối Anaconda của Python. 32 là phần mềm mà bạn sử dụng để xây dựng, cài đặt và gỡ bỏ các gói trong bản phân phối AnacondaBạn có thể đọc tất cả về cách sử dụng 32 trong Thiết lập Python cho Machine Learning trên Windows. Mặc dù hướng dẫn đó tập trung vào Windows nhưng các lệnh 32 giống nhau trên Windows, macOS và LinuxPython cũng bao gồm một cách khác để cài đặt các gói, được gọi là 40. Nếu bạn đang sử dụng Anaconda, bạn nên luôn ưu tiên cài đặt các gói bằng cách sử dụng 32 bất cứ khi nào có thể. Tuy nhiên, đôi khi, một gói chỉ có sẵn với 40 và đối với những trường hợp đó, bạn có thể đọc Pip là gì? Có được một môi trường phát triển tích hợpMột trong những ưu điểm lớn của MATLAB là nó bao gồm một môi trường phát triển với phần mềm. Đây là cửa sổ mà bạn thường làm việc nhất. Có một bảng điều khiển ở trung tâm nơi bạn có thể nhập lệnh, trình khám phá biến ở bên phải và danh sách thư mục ở bên trái Không giống như MATLAB, bản thân Python không có môi trường phát triển mặc định. Tùy thuộc vào mỗi người dùng để tìm một cái phù hợp với nhu cầu của họ. May mắn thay, Anaconda đi kèm với hai môi trường phát triển tích hợp (IDE) khác nhau tương tự như MATLAB IDE để giúp quá trình chuyển đổi của bạn trở nên liền mạch. Chúng được gọi là Spyder và JupyterLab. Trong hai phần tiếp theo, bạn sẽ thấy phần giới thiệu chi tiết về Spyder và tổng quan ngắn gọn về JupyterLab gián điệpSpyder là một IDE dành cho Python được phát triển dành riêng cho công việc Python khoa học. Một trong những điều thực sự thú vị về Spyder là nó có một chế độ được thiết kế dành riêng cho những người như bạn đang chuyển đổi từ MATLAB sang Python. Bạn sẽ thấy rằng một lát sau Trước tiên, bạn nên mở Spyder. Nếu bạn đã làm theo hướng dẫn trong phần trước, bạn có thể mở Spyder bằng Anaconda Navigator. Chỉ cần tìm biểu tượng Spyder và nhấp vào nút Launch. Bạn cũng có thể khởi chạy Spyder từ Menu Bắt đầu nếu đang sử dụng Windows hoặc từ Launchpad nếu đang sử dụng macOS Thay đổi bố cục cửa sổ mặc định trong SpyderCửa sổ mặc định trong Spyder trông như hình bên dưới. Đây là phiên bản 3. 3. 4 của Spyder chạy trên Windows 10. Nó sẽ trông khá giống trên macOS hoặc Linux Trước khi xem qua giao diện người dùng, bạn có thể làm cho giao diện trông giống MATLAB hơn một chút. Trong menu View → Window layouts chọn MATLAB layout. Điều đó sẽ tự động thay đổi cửa sổ để nó có cùng các khu vực mà bạn đã sử dụng từ MATLAB, được chú thích trên hình bên dưới Ở trên cùng bên trái của cửa sổ là File Explorer hoặc danh sách thư mục. Trong khung này, bạn có thể tìm thấy các tệp mà bạn muốn chỉnh sửa hoặc tạo các tệp và thư mục mới để làm việc với Ở trung tâm trên cùng là trình chỉnh sửa tệp. Trong trình chỉnh sửa này, bạn có thể làm việc trên các tập lệnh Python mà bạn muốn lưu để chạy lại sau này. Theo mặc định, trình chỉnh sửa sẽ mở một tệp có tên 43 nằm trong thư mục cấu hình của Spyder. Tệp này có nghĩa là một nơi tạm thời để dùng thử mọi thứ trước khi bạn lưu chúng vào một tệp ở một nơi khác trên máy tính của bạnỞ trung tâm dưới cùng là bảng điều khiển. Giống như trong MATLAB, bảng điều khiển là nơi bạn có thể chạy các lệnh để xem chúng làm gì hoặc khi bạn muốn gỡ lỗi một số mã. Các biến được tạo trong bảng điều khiển sẽ không được lưu nếu bạn đóng Spyder và mở lại. Bảng điều khiển về mặt kỹ thuật chạy IPython theo mặc định Bất kỳ lệnh nào bạn nhập vào bảng điều khiển sẽ được ghi vào tệp lịch sử ở ngăn dưới cùng bên phải của cửa sổ. Furthermore, any variables that you create in the console will be shown in the variable explorer in the top right pane Notice that you can adjust the size of any pane by putting your mouse over the divider between panes, clicking, and dragging the edge to the size that you want. You can close any of the panes by clicking the x in the top of the pane You can also break any pane out of the main window by clicking the button that looks like two windows in the top of the pane, right next to the x that closes the pane. When a pane is broken out of the main window, you can drag it around and rearrange it however you want. If you want to put the pane back in the main window, drag it with the mouse so a transparent blue or gray background appears and the neighboring panes resize, then let go and the pane will snap into place Once you have the panes arranged exactly how you want, you can ask Spyder to save the layout. Go to the View menu and find the Window layouts flyout again. Then click Save current layout and give it a name. This lets you reset to your preferred layout at any time if something gets changed by accident. You can also reset to one of the default configurations from this menu Running Statements in the Console in SpyderIn this section, you’re going to be writing some simple Python commands, but don’t worry if you don’t quite understand what they mean yet. You’ll learn more about Python syntax a little later on in this article. What you want to do right now is get a sense for how Spyder’s interface is similar to and different from the MATLAB interface You’ll be working a lot with the Spyder console in this article, so you should learn about how it works. In the console, you’ll see a line that starts with 44, for input line 1. Spyder (really, the IPython console) numbers all of the input lines that you type. Since this is the first input you’re typing, the line number is 1. In the rest of this article, you’ll see references to “input line X,” where X is the number in the square bracketsOne of the first things I like to do with folks who are new to Python is show them the Zen of Python. This short poem gives you a sense of what Python is all about and how to approach working with Python To see the Zen of Python, type 45 on input line 1 and then run the code by pressing Enter . You’ll see an output like below. >>>
This code has 45 on input line 1. The output from running 45 is to print the Zen of Python onto the console. We’ll return to several of the stanzas in this poem later on in the articleIn many of the code blocks in this article, you’ll see three greater-than signs ( 48) in the top right of the code block. If you click that, it will remove the input prompt and any output lines, so you can copy and paste the code right into your consoleMany Pythonistas maintain a healthy sense of humor. This is displayed in many places throughout the language, including the Zen of Python. For another one, in the Spyder console, type the following code, followed by Enter to run it. >>>
That statement will open your web browser to the webcomic called XKCD, specifically comic #353, where the author has discovered that Python has given him the ability to fly You’ve now successfully run your first two Python statements. Congratulations 😃🎉 If you look at the History Log, you should see the first two commands you typed in the console ( 45 and 50). Let’s define some variables and do some basic arithmetic now. In the console, type the following statements, pressing Enter after each one. >>>
In this code, you defined 3 variables. 51, 52, and 53. You assigned 51 the value 10, 52 the value 20, and 53 the sum of 51 and 52. Then you showed the value of the 53 variable by writing it as the only thing on the input line. The output from that statement is shown on the next 60 line, and the number on the 60 line matches the associated 62 lineThere are two main things for you to notice in these commands
After you run these three commands, your Variable explorer should look like the image below Trong hình ảnh này, bạn có thể thấy một bảng có bốn cột
Running Code in Files in SpyderThe last stop in our brief tour of the Spyder interface is the File editor pane. In this pane, you can create and edit Python scripts and run them using the console. By default, Spyder creates a temporary file called 43 which is intended for you to temporarily store commands as you’re working before you move or save them in another fileLet’s write some code into the 43 file and see how to run it. The file starts with the following code, which you can just leave in place
In this code, you can see two Python syntax structures
Now you can start adding code to this file. Starting on line 8 in 43, enter the following code that is similar to what you already typed in the console
Then, there are three ways to run the code
The first time you run a file, Spyder will open a dialog window asking you to confirm the options you want to use. For this test, the default options are fine and you can click Run at the bottom of the dialog box This will automatically execute the following code in the console >>>
This code will run the file that you were working on. Notice that running the file added three variables into the Variable explorer. 74, 75, and 76. These are the three variables that you defined in the file. You will also see 77 added to the History logIn Spyder, you can also create code cells that can be run individually. To create a code cell, add a line that starts with 78 into the file open in the editor
In this code, you have created your first code cell on line 11 with the 78 code. What follows is a line comment and is ignored by Python. On line 12, you are assigning 80 to have the value 42 and then line 13 assigns 81 to be 80 times two. Line 15 starts another code cell that can be executed separately from the first oneTo execute the code cells, click the Run Current Cell or Run Current Cell and Go to the Next One buttons next to the generic Run button in the toolbar. You can also use the keyboard shortcuts Ctrl + Enter to run the current cell and leave it selected, or Shift + Enter to run the current cell and select the next cell. Spyder also offers easy-to-use debugging features, just like in MATLAB. You can double-click any of the line numbers in the Editor to set a breakpoint in your code. You can run the code in debug mode using the blue right-facing triangle with two vertical lines from the toolbar, or the Ctrl + F5 keyboard shortcut. This will pause execution at any breakpoints you specify and open the 83 debugger in the console which is an IPython-enhanced way to run the Python debugger 84. You can read more in Python Debugging With pdb. Summarizing Your Experience in SpyderNow you have the basic tools to use Spyder as a replacement for the MATLAB integrated development environment. You know how to run code in the console or type code into a file and run the file. You also know where to look to see your directories and files, the variables that you’ve defined, and the history of the commands you typed Once you’re ready to start organizing your code into modules and packages, you can check out the following resources
Spyder is a really big piece of software, and you’ve only just scratched the surface. You can learn a lot more about Spyder by reading the official documentation, the troubleshooting and FAQ guide, and the Spyder wiki Loại bỏ các quảng cáoJupyterLabJupyterLab is an IDE developed by Project Jupyter. You may have heard of Jupyter Notebooks, particularly if you’re a data scientist. Well, JupyterLab is the next iteration of the Jupyter Notebook. Although at the time of this writing JupyterLab is still in beta, Project Jupyter expects that JupyterLab will eventually replace the current Notebook server interface. However, JupyterLab is fully compatible with existing Notebooks so the transition should be fairly seamless JupyterLab comes preinstalled with Anaconda, so you can launch it from the Anaconda Navigator. Find the JupyterLab box and click Launch. This will open your web browser to the address 85The main JupyterLab window is shown in the picture below There are two main sections of the interface
If you’re interested in learning more about JupyterLab, you can read a lot more about the next evolution of the Notebook in the blog post announcing the beta release or in the JupyterLab documentation. Bạn cũng có thể tìm hiểu về giao diện Notebook trong Jupyter Notebook. An Introduction and the Using Jupyter Notebooks course. One neat thing about the Jupyter Notebook-style document is that the code cells you created in Spyder are very similar to the code cells in a Jupyter Notebook Learning About Python’s Mathematical LibrariesNow you’ve got Python on your computer and you’ve got an IDE where you feel at home. Vậy làm thế nào để bạn tìm hiểu về cách thực sự hoàn thành một nhiệm vụ trong Python? . Với Python, bạn thường sẽ nhận được kết quả tìm kiếm tốt hơn nếu bạn có thể cụ thể hơn một chút trong truy vấn của mình thay vì chỉ bao gồm 87Trong phần này, bạn sẽ thực hiện bước tiếp theo để thực sự cảm thấy thoải mái với Python bằng cách tìm hiểu về cách chức năng Python được chia thành nhiều thư viện. Bạn cũng sẽ tìm hiểu chức năng của từng thư viện để bạn có thể nhận được kết quả tốt nhất với các tìm kiếm của mình Python đôi khi được gọi là ngôn ngữ có pin. Điều này có nghĩa là hầu hết các chức năng quan trọng bạn cần đã được bao gồm khi bạn cài đặt Python. For instance, Python has built-in 88 and 89 libraries that include the basic operationsTuy nhiên, đôi khi bạn muốn làm điều gì đó không có trong ngôn ngữ. Một trong những lợi thế lớn của Python là người khác có thể đã làm bất cứ điều gì bạn cần làm và xuất bản mã để hoàn thành nhiệm vụ đó. Có hàng trăm nghìn gói miễn phí và có sẵn công khai mà bạn có thể dễ dàng cài đặt để thực hiện các tác vụ khác nhau. Những phạm vi này từ xử lý tệp PDF đến xây dựng và lưu trữ một trang web tương tác để làm việc với các chức năng khoa học và toán học được tối ưu hóa cao Làm việc với mảng hoặc ma trận, tối ưu hóa hoặc vẽ biểu đồ yêu cầu cài đặt thêm thư viện. May mắn thay, nếu bạn cài đặt Python bằng trình cài đặt Anaconda, các thư viện này đã được cài đặt sẵn và bạn không cần phải lo lắng. Ngay cả khi bạn không sử dụng Anaconda, chúng thường khá dễ cài đặt cho hầu hết các hệ điều hành Tập hợp các thư viện quan trọng mà bạn cần chuyển từ MATLAB thường được gọi là ngăn xếp SciPy. At the base of the stack are libraries that provide fundamental array and matrix operations (NumPy), integration, optimization, signal processing, and linear algebra functions (SciPy), and plotting (Matplotlib). Other libraries that build on these to provide more advanced functionality include Pandas, scikit-learn, SymPy, and more NumPy (Numerical Python)NumPy is probably the most fundamental package for scientific computing in Python. It provides a highly efficient interface to create and interact with multi-dimensional arrays. Nearly every other package in the SciPy stack uses or integrates with NumPy in some way NumPy arrays are the equivalent to the basic array data structure in MATLAB. With NumPy arrays, you can do things like inner and outer products, transposition, and element-wise operations. NumPy also contains a number of useful methods for reading text and binary data files, fitting polynomial functions, many mathematical functions (sine, cosine, square root, and so on), and generating random numbers The performance-sensitive parts of NumPy are all written in the C language, so they are very fast. NumPy can also take advantage of optimized linear algebra libraries such as Intel’s MKL or OpenBLAS to further increase performance Note Real Python has several articles that cover how you can use NumPy to speed up your Python code
SciPy (Scientific Python)The SciPy package (as distinct from the SciPy stack) is a library that provides a huge number of useful functions for scientific applications. If you need to do work that requires optimization, linear algebra or sparse linear algebra, discrete Fourier transforms, signal processing, physical constants, image processing, or numerical integration, then SciPy is the library for you. Since SciPy implements so many different features, it’s almost like having access to a bunch of the MATLAB toolboxes in one package SciPy relies heavily on NumPy arrays to do its work. Like NumPy, many of the algorithms in SciPy are implemented in C or Fortran, so they are also very fast. Also like NumPy, SciPy can take advantage of optimized linear algebra libraries to further improve performance Matplotlib (MATLAB-like Plotting Library)Matplotlib is a library to produce high-quality and interactive two-dimensional plots. Matplotlib is designed to provide a plotting interface that is similar to the 90 function in MATLAB, so people switching from MATLAB should find it somewhat familiar. Although the core functions in Matplotlib are for 2-D data plots, there are extensions available that allow plotting in three dimensions with the mplot3d package, plotting geographic data with cartopy, and many more listed in the Matplotlib documentationNote Here are some more resources on Matplotlib
Other Important Python LibrariesWith NumPy, SciPy, and Matplotlib, you can switch a lot of your MATLAB code to Python. But there are a few more libraries that might be helpful to know about
Syntax Differences Between MATLAB® and PythonIn this section, you’ll learn how to convert your MATLAB code into Python code. You’ll learn about the main syntax differences between MATLAB and Python, see an overview of basic array operations and how they differ between MATLAB and Python, and find out about some ways to attempt automatic conversion of your code The biggest technical difference between MATLAB and Python is that in MATLAB, everything is treated as an array, while in Python everything is a more general object. For instance, in MATLAB, strings are arrays of characters or arrays of strings, while in Python, strings have their own type of object called 91. This has profound consequences for how you approach coding in each language, as you’ll see belowVới cách đó, chúng ta hãy bắt đầu. To help you, the sections below are organized into groups based on how likely you are to run into that syntax You Will Probably See This SyntaxThe examples in this section represent code that you are very likely to see in the wild. These examples also demonstrate some of the more basic Python language features. You should make sure that you have a good grasp of these examples before moving on Comments Start With In [2]: import antigravity
|