معرفی شرکت ها
avant-0.0.1
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A Python package to create informed prior probability distributions for reflectometry analysis
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | avant-0.0.1 |
| نام | avant |
| نسخه کتابخانه | 0.0.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Nicola Farmer |
| ایمیل نویسنده | nkf679@gmail.com |
| آدرس صفحه اصلی | https://github.com/nf679/avant |
| آدرس اینترنتی | https://pypi.org/project/avant/ |
| مجوز | - |
# avant
**Create informed priors for reflectometry analysis**
[](https://coveralls.io/github/nf679/avant?branch=main)
[](https://github.com/nf679/avant/actions/workflows/ci.yml)
[](https://ci.appveyor.com/project/nf679/avant)
[](https://avant.readthedocs.io/en/latest/?badge=latest)
``avant`` is a python package to extract values from [``refl_database``](https://github.com/nf679/refl-database) to create informed or uniform priors to be used in reflectometry analysis.
The aim of ``avant`` is to improve reflectometry analysis by applying Bayesian Statistics and creating 'informed priors' which take into account literature values in the prior probability distributions of the parameters. The priors are created in a way where they can be directly implemented in [``Refnx``](https://refnx.readthedocs.io/en/latest) to perform reflectometry analysis. Plus, the package has plotting functionalities so you can see what the prior probability distributions look like.
## Features
Currently, ``avant`` only contains priors for the following five parameters for DMPC: head volume, tail volume, head thickness, tail thickness and roughness. It can create an informed prior, Gauss, with the following methods:
- **pdf** : probability distribution function
- **logpdf** : natural log of the probability distribution function
- **cdf** : cumulative distribution function
- **ppf** : percentile point function (quantile function / inverse cdf)
- **rvs** : random variate sampling
It can also create a uniform prior which is an upper and lower bound for the prior range. The following plotting functionalities are available:
- **plotGauss(name='DMPC')**: Plot a 'Gauss' prior probability distribution.
- **plotUniform(name='DMPC')**: Plot a uniform prior probability distribution.
## Examples
1. Plotting the informed prior for head volume for DMPC:
import avant.parameter.vh as vh
vh.plotGauss('DMPC')
2. Plotting the uniform prior for the head volume for DMPC:
import avant.parameter.vh as vh
vh.plotUniform('DMPC')
3. Set a parameter equal to the Gauss object (can be used in Refnx)
import avant.parameter.vh as vh
x = vh.Gauss('DMPC')
## Problems
If you discover any issues with ``avant`` feel free to either submit the issue to our issue tracker on [Github](https://github.com/nf679/avant), or fix the issue yourself and make a pull request to the main branch.
## Installation
``avant`` is available on PyPI so can be installed using pip, otherwise this repository can be cloned and the latest build can be installed using the following:
pip install -r requirements.txt
python setup.py build
python setup.py install
pytest
## Contributors
## License
The project is licensed under the MIT license.
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl avant-0.0.1:
pip install avant-0.0.1.whl
نصب پکیج tar.gz avant-0.0.1:
pip install avant-0.0.1.tar.gz