Как использовать Python в Engee¶
В данном примере мы рассмотрим принципы взаимодействия с Python из среды Engee, при помощи формата файлов .ipynb и проведем несколько упражнений с графиками.
Начало работы¶
Импорт вычислительной (NumPy) и графической (matplotlib) библиотек:
In [ ]:
import matplotlib.pyplot as plt # Пакет построения графиков
import numpy as np # Фундаментальный пакет для научных вычислений
Построение графиков¶
Построение графиков по точкам:
In [ ]:
plt.plot([1, 2], [3, 4]) # Отрисовка возрастающего графика
plt.show() # Отображение всех ранее описанных графиков
plt.plot([1, 2], [4, 3]) # Отрисовка убывающего графика
plt.show()
Построение нескольких графиков¶
Объявление функции для построения графиков.
In [ ]:
def f(t):
return np.exp(-t) * np.cos(2*np.pi*t) # Математическая формула
Объявление массивов.
In [ ]:
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
Построение графиков.
In [ ]:
plt.figure() # Объявление фигуры (Пространства для отрисовки графика)
plt.subplot(211) # Объявление первого из двух окон графика
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()
Построение графиков с ключевыми словами¶
Объявление списка словарей.
In [ ]:
data = {'a': np.arange(50), # Возвращает равномерно распределенные значения в пределах заданного интервала.
'c': np.random.randint(0, 50, 50), # Возвращает случайное целое в заданных пределах.
'd': np.random.randn(50)} # Возврат выборки (или выборок) из «стандартного нормального» распределения.
data['b'] = data['a'] + 10 * np.random.randn(50) # Расчёт b
data['d'] = np.abs(data['d']) * 100 # d взятый по модулю и умноженный на 100
Точечная отрисовка графика и подпись осей.
In [ ]:
plt.scatter('a', 'b', c='c', s='d', data=data) # Точечная диаграмма зависимости y от x с разным размером маркера и/или цветом.
plt.xlabel('entry a') # Подписать ось X
plt.ylabel('entry b') # Подписать ось Y
plt.show()
Построение графиков для категорийных данных¶
Объявление массивов данных и массив имён категорий.
In [ ]:
names = ['group_a', 'group_b', 'group_c'] # Массив строк
values = [1, 10, 100] # Массив чисел
In [ ]:
plt.figure(figsize=(9, 3))
plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting') # Объявления заголовка графика
plt.show()
Вывод¶
В данном примере нами было продемонстрированы возможности Engee в написании и реализации алгоритмов на Python, в современном мире эта возможность является актуальной в связи с объёмом реализованного на Python функционала и в связи с его популярностью.