Comment installer et utiliser Python dans Python
Avant l'installation:
Le système d'exploitation doit être mis à jour avant d'installer Python (x.y). Exécutez la commande suivante pour mettre à jour le système.
$ sudo apt-get updat
Il est nécessaire de vérifier que tout interprète Python est installé avant dans le système ou non. Exécutez la commande suivante pour vérifier la version installée de Python. Il est préférable de supprimer toute version Python précédemment installée avant d'installer Python (x, y).
$ pythonLa sortie montre qu'aucun package Python n'a été installé auparavant dans le système. Pour ce cas, nous devons d'abord installer l'interprète Python.
Installer python (x.y)
Vous pouvez installer des packages Python (X, Y) ou Python scientifiques de deux manières. Une façon consiste à télécharger et à installer un package Python (x, y) approprié basé sur Ubuntu et une autre façon est d'installer les packages nécessaires pour effectuer l'informatique scientifique dans Python. La deuxième façon est facile à installer qui est suivie dans ce tutoriel.
Pas:
- Tout d'abord, vous devez installer l'interprète Python et le gestionnaire de packages pour démarrer le processus d'installation. Alors, exécutez la commande suivante pour installer python3 et Python3-Pip paquets. Presse 'y'Quand il demandera la permission de l'installation.
- Ensuite, vous devez installer les bibliothèques scientifiques nécessaires de python3 pour faire des opérations scientifiques. Exécutez la commande suivante pour installer les bibliothèques. Ici, cinq bibliothèques seront installées après avoir exécuté la commande. Ceux-ci sont Numpy, matplotlib, scipy, pandas et sympathique. Les utilisations de ces bibliothèques sont expliquées dans la prochaine partie de ce tutoriel.
python3-scipy python3-pandas python3-sympy
- Pour supprimer les limites de l'interpréteur Python et fournir une interface conviviale, ipython le package est utilisé. Exécutez la commande suivante pour installer ipython3 emballer.
- Exécutez la commande suivante pour installer qt5 Packages connexes pour le développement de l'interface graphique.
python3-pyqt5.qtopengl python3-pyqt5.qtquick
- Spyder est un éditeur de code utile qui peut mettre en évidence la syntaxe et faciliter l'édition et le débogage du code. Exécutez la commande suivante pour installer spyder.
Si tous les packages mentionnés ci-dessus sont installés correctement sans aucune erreur, votre python (x, y) est correctement installé.
Utilisation de Python (x, y):
Certaines utilisations de base de Python (x, y) sont présentées dans cette partie du tutoriel en utilisant différents exemples avec des explications. Vous devrez exécuter le spyder Éditeur de code pour commencer à utiliser Python (x, y). Clique sur le Montrer une application icône et type 'sp ' Dans la boîte de recherche. Si spyder est installé correctement alors spyder L'icône apparaîtra.
Cliquer sur Spyder3 icône pour ouvrir l'application. L'écran suivant apparaît après avoir ouvert l'application.
Maintenant, vous pouvez commencer à écrire du code pour effectuer des tâches informatiques scientifiques. Les utilisations de base des cinq bibliothèques installées de Python3 pour les opérations scientifiques sont présentées dans les six exemples suivants.
Exemple-1: en utilisant des variables et des types
Cet exemple montre l'utilisation très basique des types de données et des variables Python. Dans le script suivant, quatre types de variables sont déclarées. Ce sont jenteger, float, booléen et chaîne. taper() La méthode est utilisée dans Python pour découvrir le type de toute variable.
#!/ usr / bin / env python3#Assignant la valeur entière
var1 = 50
imprimer (type (var1))
#Assage de la valeur flottante
var2 = 3.89
imprimer (type (var2))
#Assigning
var3 = vrai
imprimer (type (var3))
#Assigning String Valeur
var4 = "Linuxhint"
imprimer (type (var4))
Sortir:
Exécutez le script en appuyant sur jouer ( ) bouton en haut de l'éditeur. Si vous cliquez sur le Explorateur variable Onglet Du côté droit, la sortie suivante apparaîtra pour les quatre variables.
Exemple-2: Utilisation de Numpy pour créer un tableau multidimensionnel
Tous les types de calcul numérique sont effectués par nombant package en python. La structure de données multidimensionnelle, les données vectorielles et matricielles peuvent être définies et utilisées par ce module. Il peut calculer très rapidement car il est développé par C et Fortran. nombant Le module est utilisé dans le script suivant pour déclarer et utiliser des tableaux unidimensionnels et bidimensionnels dans Python. Trois types de tableaux sont déclarés dans le script. MyArray est un tableau unidimensionnel qui contient 5 éléments. ndim la propriété est utilisée pour découvrir la dimension d'une variable de tableau. Len () La fonction est utilisée ici pour compter le nombre total d'éléments de MyArray. shape () La fonction est utilisée pour afficher la forme actuelle du tableau. MyArray2 est un tableau bidimensionnel qui contient six éléments en deux rangées et trois colonnes (2 × 3 = 6). taille() La fonction est utilisée pour compter les éléments totaux de MyArray2. organiser() La fonction est utilisée pour créer un tableau de plage nommé MyArray3 qui génère des éléments en ajoutant 2 avec chaque élément de 10.
#!/ usr / bin / env python3#Using Numpy
Importer Numpy comme NPY
#Declare un tableau unidimensionnel
MyArray = NPY.Array ([90,45,78,12,66])
# Print tous les éléments
Imprimer (MyArray)
# Print la dimension du tableau
Imprimer (MyArray.ndim)
# Print le nombre total d'éléments
imprimer (Len (MyArray))
# Print la forme du tableau
Imprimer (NPY.forme (myarray))
#Declare un tableau bidimensionnel
MyArray2 = NPY.Array ([[101,102,103], ["Nila", "Ella", "Bella"]])
## Imprime le nombre total d'éléments
Imprimer (NPY.taille (MyArray2))
#Create un tableau de plage
MyArray3 = NPY.Arange (10,20,2)
# Printent les éléments du tableau
imprimer (MyArray3)
Sortir:
La sortie suivante apparaîtra après l'exécution du script.
Exemple-3: Utilisation de Matlab pour dessiner une courbe
Matplotlib La bibliothèque est utilisée pour créer des chiffres scientifiques 2D et 3D basés sur des données spécifiques. Il peut générer une sortie de haute qualité dans différents formats tels que PNG, SVG, EPG, etc. Il s'agit d'un module très utile pour générer des chiffres pour les données de recherche où la figure peut être mise à jour à tout moment en modifiant les données. Comment dessiner une courbe basée sur les valeurs de l'axe X et de l'axe y à l'aide de ce module est montrée dans cet exemple. pylab est utilisé pour dessiner la courbe ici. lispace () La fonction est utilisée pour définir la valeur de l'axe X dans un intervalle régulier. Les valeurs de l'axe y sont calculées en carré la valeur de l'axe x. chiffre() est une fonction init qui est utilisée pour permettre pylab. Le caractère 'B' est utilisé dans parcelle() fonction pour définir la couleur de la courbe. Ici, «B» indique la couleur bleue. xLabel () La fonction est utilisée pour définir le titre de l'axe X et yLabel () La fonction est utilisée pour définir le titre de l'axe Y. Le titre du graphique est défini par titre() méthode.
#!/ usr / bin / env python3# USING PYLAB Module
importer pylab en tant que pl
#St la valeur de l'axe x
x = pl.lispace (0, 8, 20)
#Calculate la valeur de l'axe y
y = x ** 2
#Initialisation pour le traçage
PL.chiffre()
#Set le tracé basé sur la valeur x, y avec couleur bleue
PL.Plot (x, y, 'b')
#St le titre de l'axe X
PL.xlabel ('x')
#St le titre de l'axe Y
PL.ylabel ('y')
#St le titre du graphique
PL.Titre ('Plotting Exemple')
PL.montrer()
Sortir:
La sortie suivante apparaîtra après l'exécution du script. La courbe est indiquée dans le côté inférieur à droite de l'image.
Exemple-4: Utilisation du module Sympy pour les variables symboliques
La bibliothèque Sympy est utilisée dans Python pour l'algèbre symbolique. La classe de symboles est utilisée pour créer un nouveau symbole dans Python. Ici, deux variables symboliques sont déclarées. var1 la variable est définie sur Vrai et is_imaginar Retours de propriété FAUX pour cette variable. var2 la variable est définie sur true qui indique 1. Donc, quand il est vérifié que var2 est supérieur à 0 ou non alors il renvoie vrai.
#!/ usr / bin / env python3Module Sympport #Import
de Sympy Import *
#Create une variable de symbole nommée «var1» avec une valeur
var1 = symbole ('var1', real = true)
# Disons la valeur
imprimer (var1.is_imaginary)
#Create une variable de symbole nommée «var2» avec une valeur
var2 = symbole ('var2', positif = true)
#Check la valeur est supérieure à 0 ou non
Imprimer (var2> 0)
Sortir:
La sortie suivante apparaîtra après l'exécution du script.
Exemple-5: Créez des données de données à l'aide de pandas
La bibliothèque Pandas est développée pour nettoyer, analyser et transformer toutes les données dans Python. Il utilise de nombreuses fonctionnalités de nombant bibliothèque. Il est donc essentiel d'installer nombant Bibliothèque de Python avant d'installer et d'utiliser pandas. Il est également utilisé avec d'autres bibliothèques scientifiques de Python comme Scipy, matplotlib etc. Les composants principaux de pandas sont série et Dataframe. Toute série indique que la colonne des données et une dataframe est un tableau multidimensionnel d'une collection de séries. Le script suivant génère une dataframe basée sur trois séries de données. La bibliothèque Pandas est importée au début du script. Ensuite, une variable nommée Des marques est déclaré avec trois séries de données contenant des marques de trois sujets de trois étudiants nommés 'Janifer ',' John 'et' Paul '. Trame de données() La fonction des pandas est utilisée dans l'instruction suivante pour générer un dataframe basé sur la variable Des marques et le stocker dans la variable, résultat. Enfin, le résultat la variable est imprimée pour afficher le dataframe.
#!/ usr / bin / env python3#IMPORT LE MODULE
Importer des pandas en tant que PD
#Set marques pour trois matières pour trois étudiants
marques =
«Janifer»: [89, 67, 92],
'John': [70, 83, 75],
'Paul': [76, 95, 97]
# Réintégrer le dataframe à l'aide de pandas
Sujets = PD.DataFrame (marques)
#Display le dataframe
imprimer (sujets)
Sortir:
La sortie suivante apparaîtra après l'exécution du script.
Exemple-6: Utilisation du module SCIPY pour le calcul mathématique
Cavalier La bibliothèque contient un grand nombre d'algorithmes scientifiques pour effectuer l'informatique scientifique dans Python. Certains d'entre eux sont l'intégration, l'interpolation, la transformation de Fourier, l'algèbre linéaire, les statistiques, le fichier IO, etc. L'éditeur de Spyder est utilisé pour écrire et exécuter les codes dans des exemples précédents. Mais Spyder Editor ne prend pas en charge les modules Scipy. Vous pouvez vérifier la liste des modules pris en charge de l'éditeur de Spyder en appuyant sur Dépendances… Option de menu d'aide. Le module Scipy n'existe pas dans la liste. Ainsi, les deux exemples suivants sont indiqués à partir du terminal. Ouvrez le terminal en pressant "Alt_ctrl + t " et taper python Pour exécuter l'interprète Python.
Calcul de la racine du cube des nombres
La bibliothèque Scipy contient un module nommé cbrt Pour calculer la racine du cube n'importe quel numéro. Le script suivant calculera la racine du cube de trois nombres. nombant La bibliothèque est importée pour définir la liste des numéros. Suivant, cavalier bibliothèque et cbrt module qui est sous cavalier.spécial sont importés. Les valeurs de racines du cube de 8, 27 et 64 sont stockées dans la variable résultat qui est imprimé plus tard.
>>> Importer Numpy>>> Importer Scipy
>>> de Scipy.Import spécial CBRT
>>> Résultat = CBRT ([8, 27, 64])
>>> imprimer (résultat)
Sortir:
La sortie suivante apparaîtra après l'exécution des commandes. La racine du cube de 8, 27 et 64 est 2, 3 et 4.
Résoudre l'algèbre linéaire en utilisant le module Scipy
linalg Le module de la bibliothèque Scipy est utilisé pour résoudre l'algèbre linéaire. Ici, cavalier La bibliothèque est importée dans la première commande et la suivante linalg module de cavalier La bibliothèque est importée. nombant La bibliothèque est importée pour déclarer les tableaux. Ici, égaliseur La variable est déclarée définir les coefficients et val la variable est utilisée pour définir les valeurs respectives pour le calcul. résoudre() La fonction est utilisée pour calculer les résultats en fonction égaliseur et val variables.
>>> Importer Scipy>>> De Scipy Import Linalg
>>> Importer Numpy comme NP
>>> eq = np.Array ([[9, 0, 5], [10, 3, -2], [7, -2, 0]])
>>> val = np.Array ([3, -6, 9])
>>> Résultat = Linalg.Solve (Eq, Val)
>>> imprimer (résultat)
Sortir:
La sortie suivante apparaîtra après avoir exécuté les commandes ci-dessus.
Conclusion:
Python est un langage de programmation très utile pour résoudre différents types de problèmes mathématiques et scientifiques. Python contient un grand nombre de bibliothèques pour faire ce type de tâche. Les utilisations très basiques de certaines bibliothèques sont indiquées dans ce tutoriel. Si vous voulez être un programmeur scientifique et un novice pour Python (x, y), ce tutoriel vous aidera à installer et à utiliser Python (x, y) sur Ubuntu.
Une démo peut être trouvée ici ci-dessous: