Skip to main content

Knjižnica za lažje opravljanje FPR na FMFju

Project description

Inštalacija (za Windows)

  • odpreš CMD
  • vtipkaš : pip install fprlib
  • v .py datoteko vpišeš : import fprlib as fp

Seznam ukazov

  • cfit : uporabno za fitanje krivulj
  • mprint : uporabno za printanje matrik

Primer uporabe funkcije cfit

import fprlib #as fp
import numpy as np

x_data = [-6.62934E-1,-6.36725E-1,-6.12907E-1,-5.99908E-1,-5.93818E-1,-5.86678E-1,-5.82887E-1,-5.77581E-1,-5.73450E-1,-5.71544E-1,-5.69519E-1,-5.67124E-1,-5.64384E-1,-5.60124E-1,-5.57659E-1,-5.55432E-1,-5.53430E-1,-5.51513E-1,-5.49471E-1,-5.47633E-1,-5.45375E-1,-5.43347E-1,-5.41005E-1,-5.38391E-1,-5.36362E-1,-5.33630E-1,-5.29340E-1,-5.22832E-1,-5.14236E-1,-5.09088E-1,-4.96033E-1,-4.82724E-1,-4.28678E-1,+1.08242E+0,+1.87425E+0,+3.86342E+0,+4.79353E+0,+6.52731E+0,+7.85109E+0,+8.31908E+0,+8.98060E+0,+1.02541E+1,+1.04246E+1,+1.04806E+1]
y_data = [-1.54238E+1,-8.77151E+0,-4.78847E+0,-3.18064E+0,-2.56410E+0,-1.94406E+0,-1.65661E+0,-1.29949E+0,-1.05447E+0,-9.50160E-1,-8.45721E-1,-7.30154E-1,-6.07445E-1,-4.35915E-1,-3.46365E-1,-2.71186E-1,-2.08004E-1,-1.51217E-1,-9.44567E-2,-4.64407E-2,+8.65516E-3,+5.47404E-2,+1.04184E-1,+1.54969E-1,+1.91395E-1,+2.36552E-1,+2.99386E-1,+3.78305E-1,+4.58030E-1,+4.95166E-1,+5.63105E-1,+6.05569E-1,+6.62091E-1,+6.70630E-1,+6.71116E-1,+6.71733E-1,+6.71947E-1,+6.72297E-1,+6.72552E-1,+6.72637E-1,+6.72751E-1,+6.72968E-1,+6.72991E-1,+6.73010E-1]
sez = ["a","b","c"]
p = [-1,-10,1]

def funkcija(x, dol, sir, c):
    return dol*np.exp(sir*x)+c

fprlib.cfit(funkcija, x_data, y_data,sez,p)

Razlaga CFIT

fprlib.cfit(<funkcija>, <X podatki>, <Y podatki>, <imena spremenljivk>=None, <začetne vrednosti>=None)

Obvezne spemenljivke:

  1. <funkcija> : Vstavi funkcijo oziroma njeno "ime" ampak obvezno brez citatov!
  2. <x podatki> : Vstavi seznam X koordinat meritev.
  3. <y podatki> : Vstavi seznam Y koordinat meritev.

Neobvezne spremeljike:

  1. <imena spremenljivk> : Seznam imen spremenljivk v funkciji, v primeru da seznam ni podan, bodo spremenljivke oštevilčene.
  2. <začetne vrednosti> : Seznam začetnih vrednosti, ki jih uporabi program za oceno. Sicer neobvezno, se lahko pokaže, da program vrne slab fit, če niso začetne vrednosti dobro uganjene!

Funkcija:

Da bi naš program lahko karkoli računal moramo predpisati fizikalno funkcijo, za katero menimo, da lepo opiše pojav. Opmnimo, da so imena spremenljivk poljubna, vendar če se nekje uporabi spremenljivka z istim imenom, posledično pomeni, da ti dve vrednosti morata biti enaki:

def <funkcija>(x, a, b, c, d)

‎return f(x,a,b,c,d)

nato moramo definirati podatke za x in y v obliki python seznama (list-a). Dodatno lahko definiramo še imena spremenljivk v seznamu, npr.:

sez = ["prva spremenljivka" , "druga_spremeljivka", "tretja spremenljivka", "karkoli_kakorkoli", 1 ]

Opomba : določeni znaki niso dovoljeni. Npr.: "-".

Opomba : knjižnica avtomatično umakne presledke iz vseh besedil, seveda pa prej vse pretvori v besedila, kakor preveri če je ime spremenljivke podvojeno!

ter definiramo seznam začetnih vrednosti npr.:

p = [ 1 , 2 , 3 , 4.231E-3 ]

Opomba : na prvem mestu v seznamih "sez" in "p" mora biti ime oz. začetna vrednost, ki odgovarja spremenljivki "a" iz formule, ter na drugem mestu teh seznamov vrednosti, ki pripadajo spremenljivki "b" iz formule.

Primer ampak prilagojen razlagi

sez = ["prva spremenljivka" , "druga_spremeljivka", "tretja spremenljivka", "karkoli_kakorkoli", 1 ]
p = [-1,-10,1,0]

def funkcija(x, a, b, c, d):
    return a*np.exp(b*x+d)+c

fprlib.cfit(funkcija, x_data, y_data,sez,p)

-| Fit values |----------------------------------------

fit_prvaspremenljivka : -5.099442181457673e-06

fit_druga_spremeljivka : -23.779394915909464

fit_tretjaspremenljivka : 0.8452948803956754

fit_karkoli_kakorkoli : -0.7635025821425597

-| Parameter standard deviation values |---------------

fit_prvaspremenljivka stdev (1 sigma) : 8.648790074428476

fit_druga_spremeljivka stdev (1 sigma) : 0.45025382355777877

fit_tretjaspremenljivka stdev (1 sigma) : 0.054671981396874514

fit_karkoli_kakorkoli stdev (1 sigma) : 1696026.9841948354

-| Graph |---------------------------------------------

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

fprlib-0.0.2.tar.gz (4.3 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

fprlib-0.0.2-py3-none-any.whl (4.2 kB view details)

Uploaded Python 3

File details

Details for the file fprlib-0.0.2.tar.gz.

File metadata

  • Download URL: fprlib-0.0.2.tar.gz
  • Upload date:
  • Size: 4.3 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/4.0.2 CPython/3.11.3

File hashes

Hashes for fprlib-0.0.2.tar.gz
Algorithm Hash digest
SHA256 63665316b7b3e232caf25acae5ef92d75e0bb6954b827b343ecbe2c1cb4b9be5
MD5 86025349d4573a6b5a5a86ee8639a1be
BLAKE2b-256 adaeb8a1fdd5c0c4ddede6d5557b30b14b59bd7d3aeb363b63514febe7df25b4

See more details on using hashes here.

File details

Details for the file fprlib-0.0.2-py3-none-any.whl.

File metadata

  • Download URL: fprlib-0.0.2-py3-none-any.whl
  • Upload date:
  • Size: 4.2 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/4.0.2 CPython/3.11.3

File hashes

Hashes for fprlib-0.0.2-py3-none-any.whl
Algorithm Hash digest
SHA256 754967ae9afd23e553cd59acd936cb64f8fbf70e5ebf954cdc1e4a6b318e6576
MD5 40eb62bf474cce2bf58324122b624659
BLAKE2b-256 9081c7a0a9b7efcf042b86edbe24459c906b89278957b1340aeca5adb9030f5f

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page