Практикум j практическое примщенше численных методов

from mpl.toolkits.mplot3d import Axes3D
fig = pit.figure()
ax = Axes3D(fig)
x = np.linspace(-2., 2., 101)
у = np.linspace(-2., 2., 101)
X, Y = np.meshgrid(x, y)
Z = X * np.exp(-X**2 - Y**2)
ax.plot_surfасе(X, Y, Z, rstride=2, cstride=2, cmap=’spectral’) pit. showO
представлен на рис. 3.23. Здесь конкретизируется выбор палитры аналогично соответствующим функциям модуля pyplot.
Отдельного упоминания заслуживают возможности рисования трехмерных изолиний, которые предоставляются модулем mplot3D. Используются функ­ции contour() и contourf (), которые вполне аналогичны соответствующим функциям модуля pyplot. Пример использования дает (рис. 3.24) программа
import numpy as np
import matplotlib.pyplot as pit


Рис. 3.23 Поверхность



from mpl_toolkits.mplot3d import Axes3D fig = pit.figure() ax = Axes3D(fig) x = np.linspace(-2., 2., 101) у = np.linspace(-2., 2., 101)
X, Y = np.meshgrid(x, y)
Z = X * np.exp(-X**2 - Y**2) ax.contourf(X, Y, Z, 15) pit.show()
В целом, пакет Matplotlib) удовлетворяет базовые потребности научной визу­ализации и на его основе может строится программное обеспечение по пост- процессингу данных расчетов.

3. 
   Пакет SciPy
   

Научные вычисления па Python, общая характеристика, специальные функ­ции, быстрое преобразование Фурье, линейная алгебра, интерполяция, задачи оптимизации, интегрирование и ОДУ.