معرفی شرکت ها
bpf4-1.8.7
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
Piece-wise interpolation and lazy evaluation in cython
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | bpf4-1.8.7 |
| نام | bpf4 |
| نسخه کتابخانه | 1.8.7 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | eduardo moguillansky |
| ایمیل نویسنده | eduardo.moguillansky@gmail.com |
| آدرس صفحه اصلی | https://github.com/gesellkammer/bpf4 |
| آدرس اینترنتی | https://pypi.org/project/bpf4/ |
| مجوز | BSD 3-Clause License |
BPF4
====
About
-----
**bpf4** is a python library to operate with curves in 2D space.
Curves can be defined via breakpoints (break-point functions, hence the name) or using functions.
Moreover, curves can be used to build other curves. **bpf4** can be used to perform
curve fitting, data analysis, plotting, etc. Its core is programmed
in cython for efficiency.
Installation
------------
```bash
pip install --upgrade bpf4
```
Documentation
-------------
The documentation is hosted at https://bpf4.readthedocs.io
-----------------
Example
-------
Find the intersection between two curves
```python
from bpf4 import bpf # this imports the api
a = bpf.spline((0, 0), (1, 5), (2, 3), (5, 10)) # each point (x, y)
b = bpf.expon((0, -10), (2,15), (5, 3), exp=3)
a.plot() # uses matplotlib
b.plot()
zeros = (a - b).zeros()
import pylab
pylab.plot(zeros, a.map(zeros), 'o')
```
Features
--------
Many interpolation types besides linear:
* spline
* univariate splie
* pchip (hermite)
* cosine
* exponential
* logarithmic
* etc.
With the exception of curve-fitting bpfs (splines), interpolation types can be mixed, so that each segment
has a different interpolation. Following from the example above:
```pyton
c = (a + b).sin().abs()
# plot only the range (1.5, 4)
c[1.5:4].plot()
```
Syntax support for shifting, scaling and slicing a bpf
```python
a >> 2 # a shifted to the right
(a * 5) ^ 2 # scale the x coord by 2, scale the y coord by 5
a[2:2.5] # slice only a portion of the bpf
a[::0.01] # sample the bpf with an interval of 0.01
```
### Derivation / Integration
```python
from bpf4 import *
a = spline((0, 0), (1, 5), (2, 3), (5, 10))
deriv = a.derivative()
integr = a.integrated()
import matplotlib.pyplot as plt
fig, axs = plt.subplots(3, 1, sharex=True, figsize=(16, 8), tight_layout=True)
a.plot(axes=axs[0], show=False)
deriv.plot(axes=axs[1], show=False)
integr.plot(axes=axs[2])
```
----------------
## Mathematical operations
### Max / Min
```python
a = linear(0, 0, 1, 0.5, 2, 0)
b = expon(0, 0, 2, 1, exp=3)
a.plot(show=False, color="red", linewidth=4, alpha=0.3)
b.plot(show=False, color="blue", linewidth=4, alpha=0.3)
core.Max((a, b)).plot(color="black", linewidth=4, alpha=0.8, linestyle='dotted')
```
```python
a = linear(0, 0, 1, 0.5, 2, 0)
b = expon(0, 0, 2, 1, exp=3)
a.plot(show=False, color="red", linewidth=4, alpha=0.3)
b.plot(show=False, color="blue", linewidth=4, alpha=0.3)
core.Min((a, b)).plot(color="black", linewidth=4, alpha=0.8, linestyle='dotted')
```
### `+, -, *, /`
```
a = linear(0, 0, 1, 0.5, 2, 0)
b = expon(0, 0, 2, 1, exp=3)
a.plot(show=False, color="red", linewidth=4, alpha=0.3)
b.plot(show=False, color="blue", linewidth=4, alpha=0.3)
(a*b).plot(color="black", linewidth=4, alpha=0.8, linestyle='dotted')
```
```python
a = linear(0, 0, 1, 0.5, 2, 0)
b = expon(0, 0, 2, 1, exp=3)
a.plot(show=False, color="red", linewidth=4, alpha=0.3)
b.plot(show=False, color="blue", linewidth=4, alpha=0.3)
(a**b).plot(color="black", linewidth=4, alpha=0.8, linestyle='dotted')
```
```python
a = linear(0, 0, 1, 0.5, 2, 0)
b = expon(0, 0, 2, 1, exp=3)
a.plot(show=False, color="red", linewidth=4, alpha=0.3)
b.plot(show=False, color="blue", linewidth=4, alpha=0.3)
((a+b)/2).plot(color="black", linewidth=4, alpha=0.8, linestyle='dotted')
```
### Building functions
A bpf can be used to build complex formulas
**Fresnel's Integral**: \( S(x) = \int_0^x {sin(t^2)} dt \)
```python
t = slope(1)
f = (t**2).sin()[0:10:0.001].integrated()
f.plot()
```
#### Polar plots
Any kind of matplotlib plot can be used. For example, polar plots are possible
by creating an axes with *polar*=`True`
**Cardiod**: \(\rho = 1 + sin(-\theta) \)
```python
from math import *
theta = slope(1, bounds=(0, 2*pi))
r = 1 + (-theta).sin()
ax = plt.axes(polar=True)
ax.set_rticks([0.5, 1, 1.5, 2]); ax.set_rlabel_position(38)
r.plot(axes=ax)
```
**Flower 5**: \(\rho = 3 + cos(5 * \theta) \)
```python
theta = core.Slope(1, bounds=(0, 2*pi))
r = 3 + (5*theta).cos()
ax = plt.axes(polar=True)
r.plot(axes=ax)
```
نیازمندی
| مقدار | نام |
|---|---|
| >=1.8 | numpy |
| - | matplotlib |
| - | scipy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.9 | Python |
نحوه نصب
نصب پکیج whl bpf4-1.8.7:
pip install bpf4-1.8.7.whl
نصب پکیج tar.gz bpf4-1.8.7:
pip install bpf4-1.8.7.tar.gz