معرفی شرکت ها

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 بیشتر

توضیحات

A Computational Economics Toolbox

ویژگی	مقدار
سیستم عامل	-
نام فایل	compecon-2022.9.9
نام	compecon
نسخه کتابخانه	2022.9.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Randall Romero-Aguilar
ایمیل نویسنده	randall.romero@outlook.com
آدرس صفحه اصلی	http://randall-romero.com/code/compecon
آدرس اینترنتی	https://pypi.org/project/compecon/
مجوز	-

# CompEcon ## A Python version of Miranda and Fackler's CompEcon toolbox The aim of this toolbox is to provide a Python toolbox to replicate the funcionality of [Miranda and Fackler's CompEcon toolbox](https://github.com/PaulFackler/CompEcon), which was written to accompany their [Computational Economics and Finance](https://mitpress.mit.edu/books/applied-computational-economics-and-finance) and is coded in Matlab. [The source for this project is available in Github](https://github.com/randall-romero/CompEcon-python). A major difference in this implementation is that much of the code is object-oriented, providing classes to represent: * Interpolation bases: Chebyshev, Spline, and Linear * Dynamic programming models: with discrete and/or continuous state and action variables * Nonlinear problems * Optimization problems Some other differences are: * The solution of dynamic models is returned as a [pandas dataframe](https://pandas.pydata.org/), as opposed to a collection of vectors and matrices. * Some additional functionality is included, most notably for [Smolyak interpolation](http://nber.org/papers/w19326). * Basis objects are callable, so they can be used to interpolation function by "calling" the basis. The toolbox also replicates some of the demos and examples from [Miranda and Fackler's textbook](https://mitpress.mit.edu/books/applied-computational-economics-and-finance). The examples can be found in the .\textbook directory, while the demos are in the directories .\demos (for .py files) and .\notebooks (for Jupyter notebooks). At this time the documentation is incomplete, so the best way to get going with this toolbox is by exploring the notebooks.

نیازمندی

مقدار	نام
-	numpy
-	scipy
-	matplotlib
-	seaborn
-	numba
-	nose

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl compecon-2022.9.9:

pip install compecon-2022.9.9.whl

نصب پکیج tar.gz compecon-2022.9.9:

pip install compecon-2022.9.9.tar.gz