پایتون برای کاربران Matlab

پایتون برای کاربران Matlab

لوگو طراحان لوگو بهترین سایت طراحی لوگو

یکی از مسائل رایجی که متوجه شدم مردم (به ویژه در دنیای مهندسی) با آن مواجه هستند، انتقال از دانشگاه به صنعت است. اکثر مدارس ترجیح می دهند ما از Matlab استفاده کنیم. چه مهندس برق، چه مهندس شیمی یا حتی یک مهندس نانو، به احتمال زیاد مجبور بوده اید در طول دوران تحصیلی خود از Matlab استفاده کنید (به غیر از کمی C/C++). یک روند اخیر در صنعت، انتقال از Matlab به Python بود. این می تواند به دلیل هزینه های مجوز بیش از 1000 دلار، ناکارآمدی تخصیص حافظه، کمبود کتابخانه های منبع باز یا حتی این واقعیت باشد که اکثر توسعه دهندگان نرم افزار از نحو Matlab متنفرند. خوشبختانه برای ما، نحو در Matlab و Python بسیار شبیه هستند (اگر این واقعیت را نادیده بگیرید که شاخص های Matlab از 1 به جای 0 شروع می شوند). در این آموزش، من اصول اولیه پایتون را برای کاربران Matlab، در حوزه تجزیه و تحلیل داده ها و تجسم پوشش داده ام.

انجام پروژه انجام پروژه متلب پروژه متلب

در حالی که کد در این وبلاگ موجود است، من نیز همین مطالب را در یوتیوب پست کرده ام:

دستکاری ماتریس

یکی از اولین چیزهایی که کاربران Matlab به آن علاقه مند خواهند شد جبر خطی و دستکاری ماتریس است. کتابخانه ریاضی پایتون، numpy، دارای ابزارهای مختلفی برای انجام عملیات ساده ریاضی است.

numpy را به عنوان np وارد کنید

سایت دورکاری سایت فریلنسری کار آنلاین

فرض کنید می خواهیم ابتدا ماتریس زیر را استخراج کنیم، A:

برای کسانی از شما که به نحو ساده matlab عادت دارید، می توان از موارد زیر استفاده کرد:

A = np.matrix('1,1,1 ; 2,4,5 ; 5,7,6')

با این حال، منطق پایتون از نظر بردار کار می کند. از این رو، مهم است که در نهایت به نحو زیر عادت کنیم:

A = np.matrix([[1،1،1]، [2،4،6]، [5،7،6]])

اکنون که ماتریس خود را تعریف کرده ایم، ابتدا می توانیم مقدار (0,0) را بدست آوریم:

A[0,0]

خروجی:

1

بعد، ما فقط می توانیم ستون اول را دریافت کنیم:

A[:,0]

خروجی:

[[1]

[2]

[5]]

در نهایت، فقط ردیف اول:

A[0،:]

خروجی:

[[1 1 1]]

عملیات ریاضی

انجام پروژه انجام پروژه برنامه نویسی پروژه برنامه نویسی

اکنون که ما موفق شدیم دستکاری های ماتریس را تکرار کنیم، بیایید سعی کنیم برخی از عملیات ریاضی پایه را انجام دهیم. می توانیم از همان کتابخانه Numpy با ماتریس A از بخش قبل استفاده کنیم.

اضافه کردن مقادیر ردیف اول:

np.sum(A[0,:])

خروجی:

3

حاصل ضرب نقطه A با خودش:

np.dot(A,A)

خروجی:

[[8، 12، 13]،

[40، 60، 62]،

[49، 75، 83]]

ضرب ضربدری A با خودش:

np.cross(A,A)

خروجی:

[[0، 0، 0]،

[0، 0، 0]،

[0، 0، 0]]

ترسیم داده ها

در نهایت، ترسیم نمودار هنگام تجسم داده ها بسیار مهم است. تابع Matplotlib پایتون مجموعه گسترده ای از توابع را برای انجام عملیات ترسیم ارائه می دهد.

وارد کردن matplotlib.pyplot به عنوان ()pltplt.figure

plt.plot(A[:,0])

plt.plot(A[:,1])

plt.title ('نمونه نمودار نوع Matlab')

plt.xlabel ("محور X")

plt.ylabel ("محور Y")

plt.show()

خروجی: