SciPy - value() 方法

SciPy value() 方法属于 physical_constants 字典，用一个键加以索引。 此方法的使用参考了此库中的优化、插值或某些其他功能的上下文。

语法

以下是 SciPy value() 方法的语法 -

value(key)

参数

此方法只接受一个参数 -

• 键：定义物理常数名称的字符串。

返回值

此方法返回一个数值，比如浮点数。

示例 1

以下是基本的 SciPy value() 方法，展示了物理常数的结果。

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

输出

上述代码产生了以下结果 -

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

示例 2

下面，此程序展示了 SciPy 优化可以通过定制函数返回最小值。 在使用 minimize() 执行优化规则后，它将返回一个与属性 (fun) 关联的对象 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)

输出

上述代码产生了以下结果 -

The result of optimized Value: -2.249999999999999

示例 3

此程序确定可在变量 f 中找到的插值对象 (interp1d)。 然后，它将 float 值设为 3.5，从而在特定点评估插值函数。

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()

输出

上述代码产生了以下结果 -