nbmath 0.2.3

python零依赖数学库

nbmath

一个实用的数学工具包，支持方程求解、几何计算、统计分析等功能。

安装

pip install https://ghproxy.net/https://github.com/tc0512/nbmath/releases/download/v0.2.0/nbmath-0.2.0-py3-none-any.whl

快速开始

from nbmath.equation import solve
from nbmath.const import pi
from nbmath.optimize import newton

#解方程
print(solve(1, -3, 2)) #[(2+0j), (1+0j)]

#调用常数
print(pi()) #3.141592653589793

#最小值
TOL = 1e-6
MAX_ITER = 100
print(newton(lambda x: x**2+6*x+9, 1.5, TOL, MAX_ITER)) #x接近-3,y接近0(有浮点误差)

模块介绍

常数模块nbmath.const

• pi tau e - 数学常数
• G g k NA - 物理常数

方程模块nbmath.solve

• 一元一次/二次/三次/四次方程求解
• 牛顿迭代法解高次方程
• 不等式
• 统一接口solve

几何模块nbmath.geometry

• 点Point
• 线段Line
• 圆Circle
• 多边形Polygon

统计模块nbmath.stats

• mean平均数 percentile百分位数
• mode众数 var方差 std标准差

工具模块nbmath.utils

• gcd最大公约数 lcm最小公倍数
• floor向下取整 trunc截断取整
• fac阶乘 diff多项式求导
• np.linspace纯python实现
• polyval多项式代入求值
• timer计时器

优化算法模块nbmath.optimize

• brute咆哮算法
• golden_section黄金分割法
• newton牛顿法
• gradient_descent梯度下降
• simulated_annealing模拟退火

示例代码

from nbmath.equation import solve
from nbmath.stats import mode
from nbmath.optimize import simulated_annealing

#求解x^4-10x^2+9=0
roots = solve(1, 0, -10, 0, 9)
print(roots) #接近±1,±3，浮点误差可能存在，请以实际使用为准
print(solve(2, 3, ">")) #x>-1.5

data = [1, 1, 2, 3, 4]
print(mode(data)) #[1]

#求y=x^4-5x^2+4的最小值
def F(x):return x**4-5*x**2+4
TEMP = 100
COOLING = 0.95
STEPS = 1000
TOL = 1e-6
print(simulated_annealing(F, -5, 5, TEMP, COOLING, STEPS, TOL)) #{'x': -1.581998612252256, 'fun': -2.249992603725974}

许可证

MIT