现在可以使用非常流行的脚本语言 Python 来实现,WorkBench 应用程序的项目页面、工程数据和参数管理器,这一点非常的方便;但同时由于 Python 也适用于 Microsoft Excel,使用 Python 连接 Excel 和 WorkBench,凭借着 Excel 几乎无学习成本的亲民性,将极大的简化和降低使用 WorkBench 的门槛和学习成本。
Ubuntu 是永远免费的开源操作系统,即便是“企业版本”也毋需额外费用。它是一款构建于 Linux 内核之上、完全开放源码的操作系统,软件应可免费取得,人们应该能以自己的语言无障碍的使用软件工具,且不会有任何功能上的差异;人们应有定制和修改软件的自由,且方式不受限制。
本文介绍了基于 Pandas 处理、滤除和填充缺失数据,在许多数据分析工作中,缺失数据是经常发生的。Pandas 的目标之一就是尽量轻松地处理缺失数据。例如,Pandas 对象的所有描述性统计默认都不包括缺失数据。缺失数据在 Pandas 中呈现的方式有些不完美,但对于大多数用户可以保证功能正常。
尽管有诸如 pandas.read_csv 之类的高级工具将磁盘上的数据文件读入 Python 数据结构,但我们还是需要了解一些有关 Python 文件处理方面的基础知识。好在它本来就很简单,这也是 Python 在文本和文件处理方面的如此流行的原因之一。
Python 是解释性语言。那么在 Python 中,代码是如何被执行的呢?其实 Python 有个解释器,Python 解释器同一时间只能运行一个程序的一条语句。本文介绍 Python 脚本的两种执行方式。
由于人们用 Python 所做的事情不同,所以没有一个普适的 Python 及其插件包的安装方案,接下来我将详细介绍各个操作系统上 Python 科学计算环境部署。我推荐免费的 Anaconda 安装包,Anaconda 提供 Python 2.7 和 3.6 两个版本,以后可能发生变化。本系列使用的是 Python 3.6,因此推荐选择 Python 3.6 或更高版本。
近年来,由于 Python 的库(例如 Pandas 和 scikit-learn)不断改良,使其成为数据分析任务的一个优选方案,成为了数据科学、机器学习、学界和工业界软件开发最重要的语言之一。考虑到那些还不太了解 Python 科学计算生态系统和库的读者,下面我先对各个库做一个简单的介绍。
在众多解释型语言中,由于各种历史和文化的原因,Python 发展出了一个巨大而活跃的科学计算(scientific computing)社区。在过去的 10 年,Python 从一个边缘或“自担风险”的科学计算语言,成为了数据科学、机器学习、学界和工业界软件开发最重要的语言之一。
本文介绍的基于 MATLAB 读取 LS DYNA 结果文件,即通过读取 ASCII 格式文件获得,需要说明的是,本问说介绍的方法和项目代码均匀第三方编写,与官方无关,MATLAB-LSDYNA 是为 Windows 环境编写的,并在 Windows 环境中进行了测试。ASCII 数据库读取应独立于系统,编写语言 MATLAB 也可跨平台,但并未测试模拟代码再其他系统上的运行情况
如何在 C ++ 代码中调用写好的 C 接口?你可能会奇怪,C++ 不是兼容 C 吗?直接调用不就可以了?想象一下,有些接口是用 C 实现的,并提供了库,那么 C ++ 中该如何使用呢?我们先不做任何区别对待,看看普通情况下会发生什么意想不到的事情。这里我们先按下不表,先看看 C ++ 如何调用 C 代码接口。
Laravel 官方推荐使用 Homestead 搭建环境,那么这个 Homestead 究竟是什么鬼?相信很多和我一样不是专门搞服务器的同学看过各种资料后还会有点迷糊。刚开始看了一些介绍后我以为 Homestead 是一个整合了 Nginx + PHP + MySQL + Composer 还有其他 Laravel 需要环境的安装包加管理器的概念,类似 Win 平台上的 wnmp 之类的东西。
作为工程师,我经常想要修改某一行的输入文件,当然可以使用带脚本的预处理器,不过通常会非常繁重;qd Python 库支持版本 0.7.0 操作 LS-DYNA 输入文件,也称为 Keyfiles。主要目的是建立文件或操纵现有文件,同时保留其整个结构。
结合粘塑性本构理论,采用对商业软件 LS-DYNA 进行二次开发的方法将含损伤型 Johnson-Cook 本构模型嵌入商业有限元软件中,给出本构迭代算法和计算流程,进行数值模拟,实验结果和计算结果符合较好,表明给出的本构算法、含损伤型本构及损伤演化方程是合理可靠的
我们在编写代码的时候经常用到已有的接口,他们是以库的形式提供给我们使用的,而常见形式有两种,一种常以。a 为后缀,为静态库;另一种以。so 为后缀,为动态库。那么这两种库有什么区别呢?
在《Linux 平台基于 C /C++ 的静态库和动态库的区别》一文中介绍了静态库的特点以及与动态库的区别。那么你有没有想过如何把自己写好的函数接口制作成静态库给别人用呢?本文教你如何制作属于自己的静态库。
在《Linux 平台如何制作自己的 C /C++ 静态库》中简单介绍了静态库的制作方法,但实际上动态库的使用更为广泛,至于原因,在《Linux 平台基于 C /C++ 的静态库和动态库的区别》一文中已有说明。本文介绍动态库的制作方法以及两种使用方式。
LS-DYNA 作为一个大型的通用有限元程序,本文以一个简单大变形下的线弹性材料模型为例,演示在新的开发环境下的完整的开发,调试和验证过程,包括编译,连接,动态加载,源程序跟踪调试,以及模型验证等环节。
HomeBrew 是一款 Mac OS 平台下的软件包管理工具,拥有安装、卸载、更新、查看、搜索等很多实用的功能。简单的一条指令,就可以实现包管理,而不用你关心各种依赖和文件路径的情况,十分方便快捷。
Feon 是以有限元编程教学和算法研究为目的,基于 Python 开发的有限元分析框架,其开发者为湖南工业大学土木建筑与环境学院的 Dr. Pei Yaoyao。目前的版本为 1.0.0 版本,主要用于解决桁架问题。
我们经常希望将有限元求解结合到更大的程序中,以实现设计自动化或优化。应用 Python 函数运行 APDL 脚本是个不错的选择,本文举例将 ANSYS 中的几个命令行选项硬编码到 Python 脚本
你有知识和方法要分享吗?
撰写文章