Jak zainstalować i używać Pythona w Python
Przed instalacją:
System operacyjny musi zostać zaktualizowany przed zainstalowaniem Pythona (x.y). Uruchom następujące polecenie, aby zaktualizować system.
Aktualizacja $ sudo apt-get
Należy sprawdzić, czy każdy interpreter Python jest instalowany wcześniej w systemie, czy nie. Uruchom następujące polecenie, aby sprawdzić zainstalowaną wersję Python. Lepiej jest usunąć każdą wcześniej zainstalowaną wersję Pythona przed zainstalowaniem Pythona (X, Y).
$ PythonWyjście pokazuje, że wcześniej nie zainstalowano żadnego pakietu Pythona w systemie. W tej sprawie musimy najpierw zainstalować interpreter Python.
Zainstaluj Python (x.y)
Możesz zainstalować pakiety Python (X, Y) lub naukowe Python na dwa sposoby. Jednym ze sposobów jest pobranie i zainstalowanie odpowiedniego pakietu Python (X, Y) oparty na Ubuntu, a innym sposobem jest zainstalowanie niezbędnych pakietów do wykonywania obliczeń naukowych w Python. Drugi sposób jest łatwy do zainstalowania, który jest przestrzegany w tym samouczku.
Kroki:
- Najpierw musisz zainstalować interpreter i menedżera pakietów Python, aby rozpocząć proces instalacji. Więc uruchom następujące polecenie, aby zainstalować Python3 I Python3-Pip pakiety. Naciskać 'y„Kiedy poprosi o pozwolenie na instalację.
- Następnie musisz zainstalować niezbędne biblioteki naukowe Python3 za wykonywanie operacji naukowych. Uruchom następujące polecenie, aby zainstalować biblioteki. Tutaj pięć bibliotek zostanie zainstalowanych po wykonaniu polecenia. To są Numpy, Matplotlib, Scipy, pandy I sympy. Zastosowania tych bibliotek są wyjaśnione w następnej części tego samouczka.
Python3-Scipy Python3-Pandas Python3-Sympy
- Aby usunąć ograniczenia interpretera Pythona i zapewnić interfejs przyjazny dla użytkownika, IPython Pakiet jest używany. Uruchom następujące polecenie, aby zainstalować IPython3 pakiet.
- Uruchom następujące polecenie, aby zainstalować QT5 Powiązane pakiety rozwoju GUI.
Python3-pyqt5.Qtopengl Python3-pyqt5.Qtquick
- Spyder jest użytecznym edytorem kodu, który może podkreślić składnię i ułatwić edycję i debugowanie kodu. Uruchom następujące polecenie, aby zainstalować Spyder.
Jeśli wszystkie wymienione powyżej pakiety są poprawnie zainstalowane bez żadnego błędu, to twój Python (x, y) jest instalowany poprawnie.
Używając Pythona (x, y):
Niektóre podstawowe zastosowania Pythona (x, y) są pokazane w tej części samouczka za pomocą różnych przykładów z wyjaśnieniami. Będziesz musiał uruchomić Spyder Edytor kodu, aby zacząć używać Pythona (x, y). Kliknij na Pokaż aplikację ikona i typ 'sp ' w polu wyszukiwania. Jeśli Spyder jest instalowany prawidłowo Spyder Pojawi się ikona.
Kliknij Spyder3 ikona do otwarcia aplikacji. Poniższy ekran pojawi się po otwarciu aplikacji.
Teraz możesz zacząć pisać kod do wykonywania zadań naukowych. Podstawowe zastosowania pięciu zainstalowanych bibliotek Python3 do operacji naukowych pokazano w następujących sześciu przykładach.
Przykład-1: Za pomocą zmiennych i typów
Ten przykład pokazuje bardzo podstawowe zastosowanie typów danych i zmiennych Pythona. W poniższym skrypcie zadeklarowane są cztery typy zmiennych. To są janteger, float, boolean I strunowy. typ() Metoda jest stosowana w Pythonie, aby znaleźć typ dowolnej zmiennej.
#!/usr/bin/env python3#Zatrudnienie wartości liczb całkowitych
var1 = 50
print (typ (var1))
#Asinging Float Value
var2 = 3.89
print (typ (var2))
#Święto
var3 = true
print (typ (var3))
#Zaspokajanie wartości ciągów
var4 = "Linuxhint"
print (typ (var4))
Wyjście:
Uruchom skrypt, naciskając grać ( ) przycisk z góry edytora. Jeśli klikniesz Zmienny eksplorator Zakładka z prawej strony, wówczas dla czterech zmiennych pojawi się następujące dane wyjściowe.
Przykład-2: Używanie Numpy do tworzenia jednej i wielowymiarowej tablicy
Wszystkie rodzaje obliczeń numerycznych są wykonywane przez Numpy Pakiet w Python. Dane wielowymiarowe, wektor i macierz danych można zdefiniować i wykorzystywać ten moduł. Może obliczyć bardzo szybko, ponieważ jest opracowywany przez C i Fortran. Numpy Moduł jest używany w poniższym skrypcie do deklarowania i używania tablic jednowymiarowych i dwuwymiarowych w Pythonie. W skrypcie zadeklarowane są trzy typy tablic. myarray to jednowymiarowa tablica, która zawiera 5 elementów. ndim właściwość służy do znalezienia wymiaru zmiennej tablicy. len () funkcja jest tutaj używana do zliczenia całkowitej liczby elementów myarray. SHAPE () Funkcja służy do wyświetlania bieżącego kształtu tablicy. myarray2 jest dwuwymiarową tablicą, która zawiera sześć elementów w dwóch rzędach i trzech kolumnach (2 × 3 = 6). rozmiar() funkcja służy do zliczenia całkowitej elementów myarray2. zorganizować() Funkcja służy do utworzenia tablicy zasięgu wymienionego myarray3 który generuje elementy, dodając 2 z każdym elementem od 10.
#!/usr/bin/env python3#Sing Numpy
importować Numpy jako NPY
#Declare i jednowymiarowa tablica
myarray = npy.tablica ([90,45,78,12,66])
#Printu wszystkie elementy
Drukuj (myarray)
#PRORT Wymiar tablicy
Drukuj (MyArray.ndim)
#PRORT Całkowita liczba elementów
Drukuj (Len (MyArray))
#PROPT Kształt tablicy
Drukuj (NPY.kształt (myarray))
#Declare a -dwuwymiarowa tablica
myarray2 = npy.tablica ([[101,102,103], [„Nila”, „Ella”, „Bella”]))
## Wydrukuj całkowitą liczbę elementów
Drukuj (NPY.rozmiar (myarray2))
#Utwórz tablicę zasięgu
myarray3 = npy.Arange (10,20,2)
#PROPRUM Elementy tablicy
Drukuj (myarray3)
Wyjście:
Następujące dane wyjściowe pojawią się po uruchomieniu skryptu.
Przykład-3: Używanie MATLAB do narysowania krzywej
Matplotlib Biblioteka służy do tworzenia danych naukowych 2D i 3D na podstawie określonych danych. Może generować wysokiej jakości wyjście w różnych formatach, takich jak PNG, SVG, EPG itp. Jest to bardzo przydatny moduł do generowania danych dla danych badawczych, w których liczba ta może być aktualizowana w dowolnym momencie, zmieniając dane. W tym przykładzie pokazano, jak narysować krzywą na podstawie wartości osi x i osi y. pylab służy do narysowania krzywej tutaj. Linspace () Funkcja służy do ustawiania wartości osi x w regularnym przedziale. Wartości osi y są obliczane przez kwadrat wartości osi x. postać() jest funkcją init, która służy do włączenia pylab. postać „b” jest używany w działka() funkcja, aby ustawić kolor krzywej. Tutaj „B” wskazuje na niebieski kolor. xlabel () funkcja służy do ustawienia tytułu osi x i yLabel () Funkcja służy do ustawienia tytułu osi y. Tytuł wykresu jest ustawiony przez tytuł() metoda.
#!/usr/bin/env python3#Używanie modułu pylab
import pylab jako pl
#Utwórz wartość osi x
x = pl.Linspace (0, 8, 20)
#Uzupełnij wartość osi y
y = x ** 2
#Initializacja do spisku
pl.postać()
#Set wykres oparty na wartości x, y z niebieskim kolorem
pl.fabuła (x, y, „b”)
#Set tytuł dla osi x
pl.xlabel („x”)
#Set tytuł osi Y
pl.ylabel („y”)
#Set tytuł wykresu
pl.Tytuł („Planowanie przykładu”)
pl.pokazywać()
Wyjście:
Następujące dane wyjściowe pojawią się po uruchomieniu skryptu. Krzywa jest pokazana po prawej dolnej stronie obrazu.
Przykład-4: Za pomocą sympy moduł dla zmiennych symbolicznych
Biblioteka Sympy jest używana w Pythonie dla algebry symbolicznej. Klasa symboli służy do stworzenia nowego symbolu w Pythonie. Tutaj zadeklarowane są dwie zmienne symboliczne. var1 zmienna jest ustawiona na PRAWDA I is_imaginary Zwroty nieruchomości FAŁSZ dla tej zmiennej. var2 zmienna jest ustawiona na true, która wskazuje 1. Tak więc, gdy jest to sprawdzone var2 jest większy niż 0 lub nie, a następnie zwraca prawdziwie.
#!/usr/bin/env python3#Import Sympy Module
z sympy Import *
#Utworz zmienną symboli o nazwie „var1” o wartości
var1 = symbol ('var1', real = true)
#Test wartość
Drukuj (var1.is_imaginary)
#Utworz zmienną symboli o nazwie „var2” o wartości
var2 = symbol („var2”, dodatnie = true)
#Sprawdź wartość więcej niż 0 lub nie
Drukuj (var2> 0)
Wyjście:
Następujące dane wyjściowe pojawią się po uruchomieniu skryptu.
Przykład-5: Utwórz ramkę danych za pomocą pandy
Biblioteka Panda jest opracowana do czyszczenia, analizy i przekształcania wszelkich danych w Python. Używa wielu funkcji Numpy biblioteka. Dlatego konieczne jest zainstalowanie Numpy Biblioteka Pythona przed zainstalowaniem i użyciem Pandy. Jest również stosowany z innymi bibliotekami naukowymi Python jak Scipy, Matplotlib itp. Podstawowe elementy Pandy Czy seria I Dataframmi. Każda seria wskazuje, że kolumna danych i ramka danych jest wielowymiarową tabelą zbioru serii. Poniższy skrypt generuje ramkę danych na podstawie trzech serii danych. Biblioteka Panda jest importowana na początku skryptu. Następnie zmienna nazwana znaki jest zadeklarowany z trzema serią danych zawierających oceny trzech przedmiotów trzech nazwanych uczniówJanifer ', „John” i „Paul”. Ramka danych() Funkcja pandy jest używana w następnej instrukcji do wygenerowania ramki danych na podstawie zmiennej znaki i przechowuj go w zmiennej, wynik. Wreszcie wynik Zmienna jest drukowana w celu wyświetlania ramki danych.
#!/usr/bin/env python3#Wprowadź moduł
importować pandy jako PD
#Znaki dla trzech przedmiotów dla trzech studentów
Marks =
„Janifer”: [89, 67, 92],
„John”: [70, 83, 75],
„Paul”: [76, 95, 97]
#Utworz ramkę danych za pomocą pandy
Badani = Pd.DataFrame (znaki)
#Display the DataFrame
Drukuj (przedmioty)
Wyjście:
Następujące dane wyjściowe pojawią się po uruchomieniu skryptu.
Przykład-6: Korzystanie z modułu Scipy do obliczeń matematycznych
Scipy Biblioteka zawiera dużą liczbę algorytmów naukowych do wykonywania obliczeń naukowych w Python. Niektóre z nich to integracja, interpolacja, transformacja Fouriera, algebra liniowa, statystyka, plik IO itp. Edytor Spyder służy do pisania i wykonywania kodów w poprzednich przykładach. Ale Edytor Spyder nie obsługuje modułów Scipy. Możesz sprawdzić listę obsługiwanych modułów edytora Spyder, naciskając Zależności… Opcja menu pomocy. Moduł Scipy nie istnieje na liście. Tak więc z następujących dwóch przykładów pokazano z terminalu. Otwórz terminal, naciskając „Alt_ctrl+t ” i typ pyton Aby uruchomić interpreter Python.
Obliczanie korzenia kostki liczb
Biblioteka Scipy zawiera moduł o nazwie CBRT Aby obliczyć root kostki dowolnej liczby. Poniższy skrypt obliczy pierwiastek kostki trzech liczb. Numpy Biblioteka jest importowana w celu zdefiniowania listy liczb. Następny, Scipy Biblioteka i CBRT moduł, który jest poniżej Scipy.specjalny są importowane. Wartości korzenia sześcianu 8, 27 i 64 są przechowywane w zmiennej wynik to jest wydrukowane później.
>>> Importuj Numpy>>> Importuj Scipy
>>> od Scipy.Specjalny import CBRT
>>> wynik = CBRT ([8, 27, 64])
>>> Drukuj (wynik)
Wyjście:
Następujące dane wyjściowe pojawią się po uruchomieniu poleceń. Korzeń kostki 8, 27 i 64 to 2, 3 i 4.
Rozwiązywanie algebry liniowej za pomocą modułu Scipy
Linalg Moduł biblioteki Scipy służy do rozwiązania algebry liniowej. Tutaj, Scipy Biblioteka jest importowana do pierwszego polecenia i następnego Linalg moduł Scipy Biblioteka jest importowana. Numpy Biblioteka jest importowana w celu deklarowania tablic. Tutaj, Eq Zmienna jest deklarowana w celu zdefiniowania współczynników i val Zmienna służy do zdefiniowania odpowiednich wartości do obliczeń. rozwiązywać() Funkcja służy do obliczenia wyników na podstawie Eq I val zmienne.
>>> Importuj Scipy>>> od Scipy Import Linalg
>>> Importuj Numpy jako NP
>>> eq = np.tablica ([[9, 0, 5], [10, 3, -2], [7, -2, 0]])
>>> val = np.tablica ([3, -6, 9])
>>> wynik = lialg.Rozwiązanie (równ., Val)
>>> Drukuj (wynik)
Wyjście:
Następujące dane wyjściowe pojawią się po uruchomieniu powyższych poleceń.
Wniosek:
Python jest bardzo przydatnym językiem programowania do rozwiązywania różnych rodzajów problemów matematycznych i naukowych. Python zawiera ogromną liczbę bibliotek do wykonywania tego rodzaju zadania. W tym samouczku pokazano bardzo podstawowe zastosowania niektórych bibliotek. Jeśli chcesz być programistą naukowym i nowicjuszem dla Pythona (x, y), ten samouczek pomoże ci zainstalować i użyć Python (x, y) na Ubuntu.
Demo można znaleźć tutaj poniżej: