SciPy - value() 方法

SciPy value() 方法屬於 physical_constants 字典，用一個鍵加以索引。 此方法的使用參考了此庫中的最佳化、插值或某些其他功能的上下文。

語法

以下是 SciPy value() 方法的語法 -

value(key)

引數

此方法只接受一個引數 -

• 鍵：定義物理常數名稱的字串。

返回值

此方法返回一個數值，比如浮點數。

示例 1

以下是基本的 SciPy value() 方法，展示了物理常數的結果。

from scipy import constants
result = constants.value('elementary charge')
print("The result of physical constant(elementary charge): ", result)

輸出

上述程式碼產生了以下結果 -

The result of physical constant(elementary charge):  1.602176634e-19

示例 2

下面，此程式展示了 SciPy 最佳化可以透過定製函式返回最小值。 在使用 minimize() 執行最佳化規則後，它將返回一個與屬性 (fun) 關聯的物件 result。

from scipy.optimize import minimize
# define the custom function
def obj(x):
    return x**2 + 5*x + 4

# Perform the optimization
result = minimize(obj, 0)

# The optimized(minimum) value of custom function
opt_value = result.fun

print("The result of optimized Value:", opt_value)

輸出

上述程式碼產生了以下結果 -

The result of optimized Value: -2.249999999999999

示例 3

此程式確定可在變數 f 中找到的插值物件 (interp1d)。 然後，它將 float 值設為 3.5，從而在特定點評估插值函式。

import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

# Data points
x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 1, 4, 9, 16, 25])

# interpolation function
f = interp1d(x, y, kind='quadratic')

# Evaluate the interpolated function at a specific point
x_new = 3.5
y_new = f(x_new)

print("Interpolated Value at x=3.5:", y_new)

# Plot the data and the interpolation
plt.plot(x, y, 'o', label='data points')
x_dense = np.linspace(0, 5, 100)
plt.plot(x_dense, f(x_dense), '-', label='Quadratic interpolation')
plt.legend()
plt.show()

輸出

上述程式碼產生了以下結果 -