معرفی شرکت ها
dewloosh.math-0.0.dev8
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 math library for numerical and symboliccalculations.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | dewloosh.math-0.0.dev8 |
| نام | dewloosh.math |
| نسخه کتابخانه | 0.0.dev8 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | dewloosh |
| ایمیل نویسنده | dewloosh@gmail.com |
| آدرس صفحه اصلی | https://github.com/dewloosh/dewloosh-math |
| آدرس اینترنتی | https://pypi.org/project/dewloosh.math/ |
| مجوز | - |
[](https://mybinder.org/v2/gh/dewloosh/dewloosh-core/main?labpath=examples%2Flpp.ipynb?urlpath=lab)
[](https://circleci.com/gh/dewloosh/dewloosh-math)
[](https://nddict.readthedocs.io/en/latest/?badge=latest)
[](https://opensource.org/licenses/MIT)
[](https://pypi.org/project/dewloosh.math)
# **dewloosh.math**
> **Warning**
> This package is under active development and in an **beta stage**. Come back later, or star the repo to make sure you don’t miss the first stable release!
`dewloosh.math` is a rapid prototyping platform focused on numerical calculations mainly corcerned with simulations of natural phenomena. It provides a set of common functionalities and interfaces with a number of state-of-the-art open source packages to combine their power seamlessly under a single development environment.
The most important features:
* Numba-jitted classes and an extendible factory to define and manipulate vectors and tensors.
* Classes to define and solve linear and nonlinear optimization problems.
* A set of array routines for fast prorotyping, including random data creation to assure well posedness, or other properties of test problems.
## **Documentation**
Click [here](https://dewloosh-math.readthedocs.io/en/latest/) to read the documentation.
## **Installation**
This is optional, but we suggest you to create a dedicated virtual enviroment at all times to avoid conflicts with your other projects. Create a folder, open a command shell in that folder and use the following command
```console
>>> python -m venv venv_name
```
Once the enviroment is created, activate it via typing
```console
>>> .\venv_name\Scripts\activate
```
`dewloosh.math` can be installed (either in a virtual enviroment or globally) from PyPI using `pip` on Python >= 3.6:
```console
>>> pip install dewloosh.math
```
## **Crash Course**
### Linear Algebra
Define a reference frame (B) relative to the ambient frame (A):
```python
>>> from dewloosh.math.linalg import ReferenceFrame
>>> A = ReferenceFrame(name='A', axes=np.eye(3))
>>> B = A.orient_new('Body', [0, 0, 90*np.pi/180], 'XYZ', name='B')
```
Get the DCM matrix of the transformation between two frames:
```python
>>> B.dcm(target=A)
```
Define a vector in frame A and view the components of it in frame B:
```python
>>> v = Vector([0.0, 1.0, 0.0], frame=A)
>>> v.view(B)
```
Define the same vector in frame B:
```python
>>> v = Vector(v.show(B), frame=B)
>>> v.show(A)
```
### Linear Programming
Solve a following Linear Programming Problem (LPP) with one
unique solution:
```python
>>> from dewloosh.math.optimize import LinearProgrammingProblem as LPP
>>> import sympy as sy
>>> variables = ['x1', 'x2', 'x3', 'x4']
>>> x1, x2, x3, x4 = syms = sy.symbols(variables, positive=True)
>>> obj1 = Function(3*x1 + 9*x3 + x2 + x4, variables=syms)
>>> eq11 = Equality(x1 + 2*x3 + x4 - 4, variables=syms)
>>> eq12 = Equality(x2 + x3 - x4 - 2, variables=syms)
>>> problem = LPP(cost=obj1, constraints=[eq11, eq12], variables=syms)
>>> problem.solve()['x']
array([0., 6., 0., 4.])
```
### NonLinear Programming
Find the minimizer of the Rosenbrock function:
```python
>>> from dewloosh.math.optimize import BinaryGeneticAlgorithm
>>> def Rosenbrock(x, y):
>>> a = 1, b = 100
>>> return (a-x)**2 + b*(y-x**2)**2
>>> ranges = [[-10, 10],[-10, 10]]
>>> BGA = BinaryGeneticAlgorithm(Rosenbrock, ranges, length=12, nPop=200)
>>> BGA.solve()
array([0.99389553, 0.98901176])
```
## **Testing**
To run all tests, open up a console in the root directory of the project and type the following
```console
>>> python -m unittest
```
## **Dependencies**
must have
* `Numba`, `NumPy`, `SciPy`, `SymPy`, `awkward`
optional
* `networkx`
## **License**
This package is licensed under the MIT license.
نیازمندی
| مقدار | نام |
|---|---|
| >=1.0.9 | dewloosh.core |
| - | numba |
| - | numpy |
| - | scipy |
| - | awkward |
| - | sympy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6, <3.11 | Python |
نحوه نصب
نصب پکیج whl dewloosh.math-0.0.dev8:
pip install dewloosh.math-0.0.dev8.whl
نصب پکیج tar.gz dewloosh.math-0.0.dev8:
pip install dewloosh.math-0.0.dev8.tar.gz