Python

Python是一种动态的、面向对象的脚本语言...[ 百科 ]

神器 Jupyter，Jupyter 也能做可视化 Debug

Python 代码编辑器怎么选？PyCharm、VS Code、Jupyter Notebook 都各有特色，Jupyter 适合做数据分析这些需要可视化的操作，PyCharm 更适合做完整的 Python 项目。然而，因为交互式操作，很少会有开发者想到用 Jupyter 做 Debug。

使用 Python/matplotlib 画出漂亮的论文插图

论文中画出各种绚烂的插图，都是用一些什么样的软件画出来的。本文介绍 Python 的绘图模块 matplotlib: Python plotting。适用于从 2D 到 3D，从标量到矢量的各种绘图。能够保存成从 eps, pdf 到 svg, png, jpg 的多种格式。并且 Matplotlib 的绘图函数基本上都与 MATLAB 的绘图函数名字都差不多，迁移的学习成本比较低。

Gmsh 与 Python 的多功能性相结合：Pygmsh

Gmsh 是三维开源有限元网格生成器，但其脚本语言编写比较难，本文介绍基于 Python 的 Pygmsh 程序包。Pygmsh 的目标是将 Gmsh 的功能与 Python 的多功能性相结合，并提供来自 Gmsh 脚本语言的有用功能，以便可以更轻松地创建复杂的几何图形。

简明 Python 在 ABAQUS 二次开发中的应用

目前 ABAQUS 的二次开发有两种，求解器层次的 Fortran 和前后处理层次的 Python。基于 Python 可以实现的前后处理层次上的二次开发；或者是编写程序段完成某一特定的分析优化计算；或者是利用 Python 对大量计算结果进行后处理提取想要的结果；或者是编写更契合用户使用习惯的 GUI 界面，简化使用者的操作流程。

Python 创建用户界面之 PyQt5 的使用

本 PyQt5 教程展示了如何使用 Python 3 和 QT 在 Windows，Mac 或 Linux 上创建 GUI。包括为应用程序创建安装包等。PyQt 是一个库，可让您使用 Python 的 QT GUI 框架。QT 本身是用 C ++ 编写的。通过从 Python 使用它，您可以更快地构建应用程序，而不会牺牲很多 C ++ 的速度。

初学者如何学习一门编程语言

你可以开始学习任何编程语言（尽管其中一些被描述地比其他的更加“易学”），你得去问自己自己想用通过学习这门语言完成什么样的工作。这将会帮助你确定你应该追求的编程方式并且提供一个良好的开始。无论你做了什么样的决定，你可能只会希望从一门高水准又易学的语言开始。这些语言对于初学者非常有用，因为它们教授基本的概念和适用于几乎任何语言的思维过程。

Excel 借助 Python 连接 WorkBench，实现 Excel 输入参数返回结果

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。

Python 中如何使用 Pandas 处理缺失的数据

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。

Python 如何读取数据文件以及有哪些读写和操作方法

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 代码是如何编译的：Python 解释器

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。

Python 数据分析系列之如何安装和设置 Python

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。

基于 Python 做数据分析有哪些必须了解的库

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。

为什么要使用 Python 进行数据分析

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。

如何使用 Python 快速实现读写 LS-DYNA 的输入文件 Keyfiles

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。

走进有限元算法：基于 Python 的有限元分析框架 Feon

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。

提出问题 撰写文章
注册推广

相关专栏 »

推荐用户