01. Python 工具
02. Python 基础
03. Numpy
- Numpy 简介
- Matplotlib 基础
- Numpy 数组及其索引
- 数组类型
- 数组方法
- 数组排序
- 数组形状
- 对角线
- 数组与字符串的转换
- 数组属性方法总结
- 生成数组的函数
- 矩阵
- 一般函数
- 向量化函数
- 二元运算
- ufunc 对象
- choose 函数实现条件筛选
- 数组广播机制
- 数组读写
- 结构化数组
- 记录数组
- 内存映射
- 从 Matlab 到 Numpy
04. Scipy
05. Python 进阶
- sys 模块简介
- 与操作系统进行交互:os 模块
- CSV 文件和 csv 模块
- 正则表达式和 re 模块
- datetime 模块
- SQL 数据库
- 对象关系映射
- 函数进阶:参数传递,高阶函数,lambda 匿名函数,global 变量,递归
- 迭代器
- 生成器
- with 语句和上下文管理器
- 修饰符
- 修饰符的使用
- operator, functools, itertools, toolz, fn, funcy 模块
- 作用域
- 动态编译
06. Matplotlib
- Pyplot 教程
- 使用 style 来配置 pyplot 风格
- 处理文本(基础)
- 处理文本(数学表达式)
- 图像基础
- 注释
- 标签
- figures, subplots, axes 和 ticks 对象
- 不要迷信默认设置
- 各种绘图实例
07. 使用其他语言进行扩展
- 简介
- Python 扩展模块
- Cython:Cython 基础,将源代码转换成扩展模块
- Cython:Cython 语法,调用其他C库
- Cython:class 和 cdef class,使用 C++
- Cython:Typed memoryviews
- 生成编译注释
- ctypes
08. 面向对象编程
09. Theano 基础
- Theano 简介及其安装
- Theano 基础
- Theano 在 Windows 上的配置
- Theano 符号图结构
- Theano 配置和编译模式
- Theano 条件语句
- Theano 循环:scan(详解)
- Theano 实例:线性回归
- Theano 实例:Logistic 回归
- Theano 实例:Softmax 回归
- Theano 实例:人工神经网络
- Theano 随机数流变量
- Theano 实例:更复杂的网络
- Theano 实例:卷积神经网络
- Theano tensor 模块:基础
- Theano tensor 模块:索引
- Theano tensor 模块:操作符和逐元素操作
- Theano tensor 模块:nnet 子模块
- Theano tensor 模块:conv 子模块
10. 有趣的第三方模块
11. 有用的工具
- pprint 模块:打印 Python 对象
- pickle, cPickle 模块:序列化 Python 对象
- json 模块:处理 JSON 数据
- glob 模块:文件模式匹配
- shutil 模块:高级文件操作
- gzip, zipfile, tarfile 模块:处理压缩文件
- logging 模块:记录日志
- string 模块:字符串处理
- collections 模块:更多数据结构
- requests 模块:HTTP for Human
12. Pandas
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
使用 OOP 对森林火灾建模
In [1]:
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
对森林建模
In [2]:
class Forest(object):
def __init__(self, size=(150, 150), p_sapling=0.0025, p_lightning=5.e-6, name=None):
self.size = size
self.trees = np.zeros(self.size, dtype=bool)
self.forest_fires = np.zeros(self.size, dtype=bool)
self.p_sapling = p_sapling
self.p_lightning = p_lightning
if name is not None:
self.name = name
else:
self.name = self.__class__.__name__
@property
def num_cells(self):
return self.size[0] * self.size[1]
@property
def tree_fraction(self):
return self.trees.sum() / float(self.num_cells)
@property
def fire_fraction(self):
return self.forest_fires.sum() / float(self.num_cells)
def advance_one_step(self):
self.grow_trees()
self.start_fires()
self.burn_trees()
def grow_trees(self):
growth_sites = self._rand_bool(self.p_sapling)
self.trees[growth_sites] = True
def start_fires(self):
lightning_strikes = (self._rand_bool(self.p_lightning) &
self.trees)
self.forest_fires[lightning_strikes] = True
def burn_trees(self):
fires = np.zeros((self.size[0] + 2, self.size[1] + 2), dtype=bool)
fires[1:-1, 1:-1] = self.forest_fires
north = fires[:-2, 1:-1]
south = fires[2:, 1:-1]
east = fires[1:-1, :-2]
west = fires[1:-1, 2:]
new_fires = (north | south | east | west) & self.trees
self.trees[self.forest_fires] = False
self.forest_fires = new_fires
def _rand_bool(self, p):
return np.random.uniform(size=self.trees.shape) < p
定义一个森林类之后,我们创建一个新的森林类对象:
In [3]:
forest = Forest()
显示当前的状态:
In [4]:
print forest.trees
[[False False False ..., False False False]
[False False False ..., False False False]
[False False False ..., False False False]
...,
[False False False ..., False False False]
[False False False ..., False False False]
[False False False ..., False False False]]
In [5]:
print forest.forest_fires
[[False False False ..., False False False]
[False False False ..., False False False]
[False False False ..., False False False]
...,
[False False False ..., False False False]
[False False False ..., False False False]
[False False False ..., False False False]]
使用 matshow
进行可视化:
In [6]:
plt.matshow(forest.trees, cmap=plt.cm.Greens)
plt.show()
https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/2Mjxz21ZpPGc2EIO-X3kNJi.png alt="">
模拟森林生长和火灾的过程
经过一段时间:
In [7]:
forest.advance_one_step()
plt.matshow(forest.trees, cmap=plt.cm.Greens)
plt.show()
https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/DS0ytG2mDNtaPtVt-sXzKqc.png alt="">
循环很长时间:
In [8]:
for i in range(500):
forest.advance_one_step()
plt.matshow(forest.trees, cmap=plt.cm.Greens)
print forest.tree_fraction
0.253111111111
https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/V0HJNs0wKwz9tYci-364Ghb.png alt="">
迭代更长时间:
In [9]:
forest = Forest()
tree_fractions = []
for i in range(5000):
forest.advance_one_step()
tree_fractions.append(forest.tree_fraction)
fig = plt.figure()
ax0 = fig.add_subplot(1,2,1)
ax0.matshow(forest.trees, cmap=plt.cm.Greens)
ax1 = fig.add_subplot(1,2,2)
ax1.plot(tree_fractions)
plt.show()
https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/ZaZ0TphoV5rIbnEZ-g2RHmz.png alt="">
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论