科学计算中常见代码收集
简介
这是一个完全开源的python代码仓库,它收集了各种科学计算中常见的代码,
适用于用python进行统计、优化等。格外适于在我学院所在的专业课中使用。
目录及简介
1.算法与建模
1.1优化算法部分
收集或原创了粒子群、退火、遗传等常见智能算法
1.2 常见模型
收集了传染病模型等各种模型。
1.3 图论与复杂网络
收集了networkx等类库的基本使用方法,以及BA网络、WS小世界网络等的构建。
1.4 数值计算方法
收集或原创了一些经典的数值计算方法,以及数值计算库的用法。比如解微分方程组、龙格库塔法、
2. 绘图模板
收集了matplotlib和pyecharts的常见操作。
3.语法技巧归纳
包含numpy、装饰器、yield等较为高级的特性。
4.运行速度优化
包含若干cython项目,可以进行python运行速度的优化。
5.机器学习(sklearn)
内含了若干随机森林等经典分类器的例子,而且包含了数据集。
使用与运行。
所有代码在上传前均在deepin linux 15.11上运行通过。
环境为python3.5,
numpy 1.18.1,
matplotlib 3.0.3,
pandas 0.25.3,
scipy 1.4.1, (喜闻乐见的科学计算库,注意不是spicy)
simpy 3.0.11(一个用于过程仿真的库,注意不是符号计算库sympy)
sklearn 0.0
项目中代码文件都是相互独立的,没有任何相互导入关系,请放心使用。
将代码文件夹拷贝到本地之后,只要安装有相对应的库,即可直接运行。
对于Windows系统,部分代码中有被注释掉的、需要在Windows下运行的语句,
请解除这部分语句的注释,并注释掉适用于linux系统的相应代码。另外,本人买不起苹果电脑,所以
遇到这种场合,mac用户只能自己百度一下了……(好在mac的很多操作类似于linux。)