معرفی شرکت ها


dmdlab-0.1.1


Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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

Dynamic mode decompositon in python.
ویژگی مقدار
سیستم عامل -
نام فایل dmdlab-0.1.1
نام dmdlab
نسخه کتابخانه 0.1.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Andy Goldschmidt
ایمیل نویسنده andygold@uw.edu
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/dmdlab/
مجوز MIT
.. image:: https://readthedocs.org/projects/dmdlab/badge/?version=latest :target: https://dmdlab.readthedocs.io/en/latest/?badge=latest :alt: Documentation Status .. image:: https://img.shields.io/badge/License-MIT-blue.svg :target: https://lbesson.mit-license.org/ :alt: MIT License Dynamic mode decomposition (DMD)is a tool for analyzing the dynamics of nonlinear systems. This is an experimental DMD codebase for research purposes. Alternatively, check out `PyDMD <https://mathlab.github.io/PyDMD/>`_, a professionally maintained open source DMD codebase for Python. Installation: .. code-block:: python pip install dmdlab Usage: .. code-block:: python from dmdlab import DMD, plot_eigs import numpy as np from scipy.linalg import logm # Generate toy data ts = np.linspace(0,6,50) theta = 1/10 A_dst = np.array([[np.cos(theta), -np.sin(theta)], [np.sin(theta), np.cos(theta)]]) A_cts = logm(A_dst)/(ts[1]-ts[0]) x0 = np.array([1,0]) X = np.vstack([expm(A_cts*ti)@x0 for ti in ts]).T # Fit model model = DMD.from_full(X, ts) # Print the eigenvalue phases print(np.angle(model.eigs)) >>> [0.1, -0.1] For a technical reference, check out the `DMD book <http://www.dmdbook.com/>`_.


نیازمندی

مقدار نام
>=1.18.3,<2.0.0 numpy
>=1.4.1,<2.0.0 scipy
>=3.2.1,<4.0.0 matplotlib
>=3.0.2,<4.0.0) sphinx
>=0.6.1,<0.7.0) nbsphinx
>=6.1.3,<7.0.0 jupyter_client
>=5.2.1,<6.0.0 ipykernel
>=5.2,<6.0) pytest


زبان مورد نیاز

مقدار نام
>=3.7,<4.0 Python


نحوه نصب


نصب پکیج whl dmdlab-0.1.1:

    pip install dmdlab-0.1.1.whl


نصب پکیج tar.gz dmdlab-0.1.1:

    pip install dmdlab-0.1.1.tar.gz