导入和初始化设置

import numpy as npy
pyt.rcParams['font.sans-serif'] = ['SimHei']               # 正常显示中文
pyt.rcParams['axes.unicode_minus'] = False           # 正常显示坐标值负号

SciPy库

要发挥numpy库的优势，一般使用 数组变量 来处理数据

leastsq函数——数据拟合

from scipy. import leastsq               #leastsq是子库optimize的一个用于拟合的函数
import matplotlib.pyplot as pyt

mylsq = leastsq(误差计算函数(需要自定义), 初始拟合参数(一个列表), args = (实验数据数组, x))

args 为需要拟合的函数
用 leastsq函数进行拟合，返回一个tuple，其中第一维是一个列表，第二个是一个数字(未知用途)
返回的列表就是自定义函数myfun中的参数，定义了几个就返回几个

pyt.plot(x, myfunc(x, mylsq[0]), 'g', label = u'拟合数据', linewidth = 1.2)        #show出来

myfun是一个理论计算函数，计算理论数据的，由用户自定义。
这里使用拟合出来的列表去计算拟合后的函数(实际也是一个数组)

下面给出一个更简单的一次函数线性拟合实例：

def myfunc(x, a): # 计算一次函数，没有b值，过零点；a是一个列表，长度取决于计算理论结果需要的参数k = areturn k*x
def deviation(a, y, x):     # 误差计算函数，根据不同的误差方法得出，因人而异，return y - myfunc(x, a)
x = npy.linspace(-npy.pi, npy.pi, 1000)            #生成自变量数组
k = [5]                                        # 理论的斜率
f0 = myfunc(x, k)                              # 理论结果
f1 = f0 + 0.3 * npy.random.randn(len(x))        # 实验结果（人为制造噪声）
a0 = [4]# 初始拟合参数(这个不知道是什么，貌似是精度之类？，本人试了很多不同值，得到的结果偏差不大)# 开始拟合
mylsq = leastsq(deviation, a0, args = (f1, x))
pyt.plot(x, f0, 'y--', label = u'理论数据', linewidth = 3.1)
pyt.plot(x, f1, 'b', label = u'实验数据', linewidth = 0.5)
pyt.plot(x, myfunc(x, mylsq[0]), 'g', label = u'拟合数据', linewidth = 1.2)

上面的k、a0等都使用列表来表示，是因为myfun里允许列表和数组相乘运算(貌似是这样)，尽管列表中单个数值时，直接赋值“k = a”得到的k是一个列表，但是运算结果没有区别；同时使用列表表示使得该模板程序通用性更强。

interp2d函数——插值优化

from scipy import interpolate    #interp2d是子库interpolate的一个函数

def myfunc(x, y):return npy.sin(npy.sqrt(x**2 + y**2))
val_old = myfunc(x, y)          # 计算每个网格点上的函数值
myfunc_new = interpolate.interp2d(x, y, val_old, kind = 'linear')

根据原本的x，y，与原本的结果数组来生成新的函数
这里的val_old是一个矩阵数组，表示函数计算出的所有值

val_new = myfunc_new(x_new, x_new)

新函数内放进新的坐标值，计算结果

medfilt函数——信号处理(滤波)

from scipy import signal

s0[npy.random.randint(0, len(t), 100)] += npy.random.standard_normal(100)*0.2
s1 = signal.medfilt(s0, 7)

s0是构造出来的加上误差的函数，直接把s0放进去，后面的数字7代表过滤程度，貌似不能超过10？1基本就没有滤波效果了

Mayavi库

空间曲面

有空再写

……

有空再写

参考资料

【CSDN】Scipy中最小二乘函数leastsq（）简单使用.
【博客园】Python闲谈（二）聊聊最小二乘法以及leastsq函数.

【Python】可视化科学计算笔记相关推荐

【转】5.3 Python的科学计算包 - Numpy
numpy(Numerical Python extensions)是一个第三方的Python包,用于科学计算.这个库的前身是1995年就开始开发的一个用于数组运算的库.经过了长时间的发展,基本上成了 ...
python科学计算基础教程pdf下载-用Python做科学计算高清晰PDF
用Python做科学计算一书介绍如何用Python开发科学计算的应用程序,除了介绍数值计算之外,我们还将着重介绍如何制作交互式的2D.3D图像:如何设计精巧的程序界面:如何和C语言所编写的高速计算程序 ...
python科学计算基础教程pdf下载-用Python做科学计算 pdf版
本书将介绍如何用Python开发科学计算的应用程序,除了介绍数值计算之外,我们还将着重介绍如何制作交互式的2D.3D图像:如何设计精巧的程序界面:如何和C语言所编写的高速计算程序结合:如何编写声音.图 ...
python程序设计与科学计算pdf_用Python做科学计算 pdf版
本书将介绍如何用Python开发科学计算的应用程序,除了介绍数值计算之外,我们还将着重介绍如何制作交互式的2D.3D图像:如何设计精巧的程序界面:如何和C语言所编写的高速计算程序结合:如何编写声音.图 ...
python 科学计算设计_用Python做科学计算高清晰PDF
用Python做科学计算一书介绍如何用Python开发科学计算的应用程序,除了介绍数值计算之外,我们还将着重介绍如何制作交互式的2D.3D图像:如何设计精巧的程序界面:如何和C语言所编写的高速计算程序 ...
python 科学计算设计_用Python做科学计算 pdf版
本书将介绍如何用Python开发科学计算的应用程序,除了介绍数值计算之外,我们还将着重介绍如何制作交互式的2D.3D图像:如何设计精巧的程序界面:如何和C语言所编写的高速计算程序结合:如何编写声音.图 ...
python的科学计算库总结
参考地址:https://www.stxnext.com/blog/most-popular-python-scientific-libraries/?utm_campaign=Pat&utm ...
使用Python进行科学计算：NumPy入门
原创2016-08-07Jamal Moir编程派编程派微信号:codingpy 本文由 Python 翻译组最新翻译出品,原作者为 Jamal Moir,译者为 cystone,并由编程派作者 ...
python应用实例论文_浅谈Python在科学计算中的应用
55 SYS PRACTICE 系统实践有效的计算工具能为工作提高效率,Python 在实际工作与科学调研中等运用的也越来越广泛,通过专家不断的研究与分析,通过 Python 进行科学计算是再合 ...

【Python】可视化科学计算笔记

可视化科学计算笔记

导入和初始化设置

SciPy库

leastsq函数——数据拟合

interp2d函数——插值优化

medfilt函数——信号处理(滤波)

Mayavi库

空间曲面

……

参考资料

【Python】可视化科学计算笔记相关推荐

最新文章

热门文章