Notes útils examen final (2013)

Resumen Catalán
Universidad Universidad de Barcelona (UB)
Grado Física - 1º curso
Asignatura Informatica
Año del apunte 2013
Páginas 3
Fecha de subida 16/03/2016
Descargas 12
Subido por

Descripción

Comandes i notes útils de cara a l'examen final

Vista previa del texto

EXAMEN FINAL INFORMÀTICA 1. Numpy import numpy (as *) 1.1. Creació Arrays .array[ [ , , ], [ , , ], [ , , ] ] .arange(min,max,pas) *max no inclòs* .reshape(files,columnes) *dimensió* linspace(min,max,nombreelem) Array de zeros: Array d'uns: Matriu identitat: zeros( (files,columnes) ) ones ( (files,columnes) ) eye(dimensió) fromfuction(funcio (files,columnes), dtype=) Copiar arrays: .copy() 1.2. Accés als elements fila = i columna = j array[i][j] o bé array[i,j] 1.3. Operacions Suma i resta per un valor: Producte i divisió: Exponenciació: Mòdul: A+n A-n A*n A/n A**n A%n Suma i resta d'arrays: Producte i divisió: Exponenciació: A+B A-B A+B A/B A**B Suma de tots els elements: Component amb mín. valor: Component amb max. valor: .sum() .min() .max() Ajuntar horitzontalment: hstack( (A,B) ) Ajuntar verticalment: vstack( A,B) ) 1.4. Álgebra lineal Transposició: Determinant: Matriu inversa: Traça: Producte de matrius: Producte per un vector: Resolució de sist. d'eq.: Valors pròpis: A.transpose() .linalg.det(A) .linalg.inv(A) .trace(A) .dot(A,A) .dot(A,v) .linalg.solve(A,b) .linalg.eigvals(A) Valors i vectors pròpis: .linalg.eig(A) *[0]-valors* *[1]-vectors* a) Classe Matrix: .Matrix([[ , , ], [ , , ], [ , , ]]) Suma i resta de matrius: Producte de matrius: Exponenciació: Inversió: Determinant: Inversió: A+A A*B A**n A**-1 .linalg.det(A) .linalg.inv(A) 2. Sympy import sympy (as *) .init_printing() 2.1. Creació de símbols .var(“”) .symbols(“”) Expressió a partir d'un string: .sympyfy(“”) 2.2. Operacions i funcions Simplificació: .simplify(equacio) Factorització de polinomis: .factor(equacio) Expansió de polinomis: .expand(equacio) Substitució de símbols: Avaluació numèrica: equacio.subs(simbol,nombre) equacio.evalf(subs={simbol:nombre,...}) equacio.evalf(nºdecimals,subs={simbol:nombre}) equacio.constant.evalf(nºdecimals) Resolució d'equacions: .solve(equacio, simbol) Resolució sist. Equacions: .solve([eq1, eq2, eq3], [x,y,z]) 2.3. Àlgebra lineal a) Creació de matrius: A partir d'una llista: Funció zeros: Funció uns: Funció identitat: Funció diagonal: A partir d'una funció: .Matrix( [ [], [], [] ] ) .zeros(files,columnes) .ones.(files,columnes) .eye(dimensio) .diag(elements diagonal) .Matrix(files,columnes,funcio) b) Accés als elements: Fila: Columna: matriu.row() matriu.col() c) Operacions: Suma i resta: A+B A-B Producte de matrius: Matriu inversa: Exponenciació: Op. amb valors numèrics: A*B A**-1 A**n A*n A/n Determinant: Vect. generadors del nucli: Valors pròpis: Vectors pròpis: Diagonalització: Resolució sist. d'eq.: A.det() A.nullspace() A.eigenvals() A.eigenvects() A.diagonalize() LUsolve(b) A.inv()*b 2.4. Integració Integral indefinida: Integral definida: .integrate(equacio, simbol) .integrate(equacio, (simbol, lim_inf, lim_sup)) 2.5. Derivació Derivació: Derivada n: .diff(equacio, simbol) .diff(equacio, simbol, n) 3. Matplotlib import matplotlib.pyplot (as*) x=equació y = rang de nombres Representació de funcions: .plot(x,y) .plot(equació,(min,max,pas)) 4. CSV 4.1. Escriptura de fitxers fitxer_sortida = open(“nom_fitxer.csv”, “wb”) escriptor_csv = csv.writer(f_sortida, delimiter=',', quotechar='"') escriptor_csv.writerow() o escriptor_csv.writerows() fitxer_sortida.close() 4.2. Lectura de fitxer fitxer_entrada = open(“nom_fitxer.csv”, “rbU”) lector_csv = csv.reader(f_entrada, delimiter=',', quotechar='"') M= [] for fila in lector_csv: M.append(fila) fitxer_entrada.close() 4.3. Locale Convertir strings a float: Convertir floats a string: Mf = [[l.atof(valor) for valor in fila] for fila in M] llistaL = [l.format('%f', valor) for valor in llista] 4.4. Gestió d'errors with open("xxxx.csv","xx") as --- : … ...
...