1. 在本页面下载项目文件，并解压
2. 按照readme.md附录教程安装jupyterlab模块
3. 进入解压后的文件目录，切换到命令行，打开当地网页进行交互式学习
Markdown是一种轻量级 的标记语言，可与HTML语言兼容，可以看做是HTML语言的简易版本，2004年由John Gruber创建。Markdown语言主要用于编写文档及论坛发表消息，如github的read.me文档，jupyterlab文本的编写。
# 一级标题
## 二级标题
...
###### 六级标题
...
空行: 通过文本间空行实现
这是第一段
这是第二段
中文输入 状态下，按shift+空格切换到全角状态，然后按空格
斜体采用 *斜体* 粗体采用 **粗体** 粗斜体采用 ***粗斜体***
斜体 粗体 粗斜体
可以采用三个以上的下划线___
采用HTML语言的underline标签实现 <u> </u>
<u>通过HTML的标签实现</u>
通过HTML的标签实现
采用HTML font标签实现 <font color="red">内容</font>
字体颜色通过HTML字体颜色标签实现
* 无序列表
* 无序列表
1. 有序列表
2. 有序列表
- 无序列表
- 无序列表
- 有序列表
- 有序列表
> 区块引用1
>> 区块引用2
区块引用1
区块引用2
区块引用3
``` Python
print ("Hello world!")
```
print ("Hello world!")网址链接：[python官网](https://www.python.org)
图片链接：
采用|分割单元格，采用----分割标题栏与单元格。单元格的对齐采用:,如左对齐(:----)
| 左对齐 | 右对齐 | 居中对齐 |
| :------|------:| :-----: |
| 单元格 | 单元格 | 单元格 |
| 单元格 | 单元格 | 单元格 |
| 左对齐 | 右对齐 | 居中对齐 |
| :-----|----:| :----: |
| 单元格 | 单元格 | 单元格 |
| 单元格 | 单元格 | 单元格 |
| 左对齐 | 右对齐 | 居中对齐 |
|---|---|---|
| 单元格 | 单元格 | 单元格 |
| 单元格 | 单元格 | 单元格 |
| 左对齐 | 右对齐 | 居中对齐 |
| :----- | ----: | :----: |
| 单元格 | 单元格 | 单元格 |
| 单元格 | 单元格 | 单元格 |
Guido von Rossum 1989年开发了python编译器。python语言介于C语言与脚本语言之间，是一种“胶水”语言。python语言的宗旨就是“能用胶水解决的问题，坚决不造轮子”。发展的版本有2.x和3.x，python官网
- 在下载页面选择相应系统对应的版本进行下载
2. 安装python，可以选择相应的安装目录，添加python到系统路径
- 进入python安装目录Scripts进行安装需要的模块，安装好的模块位于site-pakages
优点
- 简洁优雅，可读性强
- 可移植性强，接口强大
- 优秀强大的第三方库
不足
- 速度中等
- 不同版本及包的兼容性
- 数值计算，依赖于众多的第三方包
- 机器学习及深度学习
- 网络爬虫及大数据分析
- 网页制作，知乎，facebook等
- 桌面程序的开发，依赖于pyQt，wxPython等第三方GUI库
- 与其他软件的交互，如Opensees,Abaqus,SAP2000等 ...
| matlab | python |
|---|---|
| 商业软件 | 免费开源 |
| 软件冗杂 | 即用即装 |
| 面向过程 | 面向对象 |
| 速度慢 | 速度快 |
| 发展缓慢 | 发展极快 |
| ... | ... |
数字：整型(int) 浮点型 (float)
print (type(2)) #type()函数返回输入数据的类型
print (type(2.0)) #print ()函数用于文本输出a=float(2) #整型转换为浮点型
b=int(2.0) #浮点型转换为整型
print (a)
print (b)2.0
2
字符串：'' ""
a="hello world!"
b="我是python"
print (type(a))
print (a)
print (a+b)<class 'str'>
hello world!
hello world!我是python
Math模块
from math import * #导入math模块中所有函数
a=sqrt(2)
print (a)1.4142135623730951
布尔类型：真(True)，假(False)
a=True
b=False
print(int(a))
print(int(b))1
0
a=[] #空列表
print (a)
b=[1,8,3,6]
print (b[0])
b.append(7) #从列表尾部不断添加新对象
print (b[-1])
b.reverse() #反转列表中元素
print (b)
b.sort() #列表排序
print (b)
f=len(b) #列表的长度
print (f)可以通过help函数与dir函数查看模块内所有的特性
print (dir(list)) #特殊方法与公共方法列表print (help(list)) #返回各个方法的具体定义元组与列表类似，区别在于一旦创建不能对其进行修改
元组可应用于不可变量的存放，既快又安全，需要修改时可以先转化为列表
a=(2,3,2,5,1)
b=list(a)
b.append(8)
print (b)字典(dict)是键与值一一映射的一种数据结构 {key:value}
a={"one":21,"two":43,"three":54} #三个元素的字典
print (a)
print (list(a.keys())) #返回字典a的所有键
print (list(a.values())) #f返回字典a的所有值
print (a["one"]) #返回特定键对应的值列表解析：目的是简化代码
a=[1,2,3,5]
b=[each*2 for each in a] #列表解析
print (b)
c={str(key1):value1 for key1,value1 in zip(a,b)} #列表解析
print (c)
d=(each1*2 for each1 in a)
print (d) #返回一个生成器
print (list(d))[2, 4, 6, 10]
{'1': 2, '2': 4, '3': 6, '5': 10}
<generator object <genexpr> at 0x000001E9917B9E08>
[2, 4, 6, 10]
算术运算符: 加(+)，减(-),乘(*),除(/),乘方(**),求余(%)
比较运算符：等于(==),不等于(!=),大于(>),小于(<),大于等于(>=)等
赋值运算符：=，+=,*=等
逻辑运算符：与(and), 或(or),非(not)
成员运算符：in, not in
if (1>2) and (3>2) :
print ("代码块1")
else:
print ("代码块2")
代码块2
score=70
if 0<=score<60:
print ("不及格")
elif 60<=score<80:
print ("良好")
elif 80<=score<=100:
print ("优秀")
else:
print ("输入错误，请输入0到100之间的数字！")良好
for i1 in range(1,6,1):
print (i1)flag=True
while flag: #第二种循环结构
print ("It's true!")
flag=False
print ("It's done!")It's true!
It's done!
a=[1,3,4,5,86,34]
for each in a:
if each==max(a):
print (each)
break #跳出最近一层的循环
else:
print (each)
continue #终止本轮循环，并进入下轮循环
print ("我不是最大值！")1
3
4
5
86
def listSquare(inputList): #形参
"""
描述：对列表中数字平方并返回列表
输入：列表
输出：平方后的列表
例子：listSquare([1,2,3])
"""
b=[each**2 for each in inputList]
return b #返回值，可返回多个类型数据
print (help(listSquare)) #查看帮助文档
print (listSquare([1,2,3]))
print (listSquare(["a",2,3])) #引发程序异常def listSquare(inputList): #形参
"""
描述：对列表中数字平方并返回列表
输入：列表
输出：平方后的列表
例子：listSquare([1,2,3])
"""
try:
b=[each**2 for each in inputList] #可能出现异常的代码块
except TypeError: 处理，可以指出异常的类型，如TypeError
print ("请输入数字型列表！")
return #无正确返回，则返回None
else: #没有异常，则执行如下代码
return b #返回值，可返回多个类型数据
print (listSquare(["a",1,2]))
print (listSquare([1,2,3]))类=属性(数据)+方法(函数)
OOP特征：封装(只提供借口），继承(避免重复造轮子），多态（方法名相 同，具体实现不同）等
以做菜为例:
**属性:**各种原材料与工具
**方法:**切菜，炒菜等具体每一项工作
**封装:**炒菜机（输入原材料，调用每一个方法，出菜，不需要知道细节
**继承:**多功能炒菜机（炒青菜，土豆炖牛肉等菜）
**多态:**子类炒青菜与子类土豆炖牛肉都有切菜这个共同方法，但具体操作不同
import numpy as np
import math
class IMs():#没有继承自任何类，默认继承自基类object
"""
地震动强度指标计算类
初始化参数：单列加速度时程acc(g),采样间隔t(s)
方法：
PGA()--返回峰值加速度值(g)
PGV()--返回峰值速度值(cm/s)
"""
def __init__(self,acc,t): #类的初始化方法，内置特殊方法
#acc单列加速度时程(g),t时间间隔(s)
self.acc=acc #self是类的实例化铭牌，在类内起到通信的作用
self.t=t
self.num=len(self.acc)
def PGA(self):
#返回acc的最大峰值加速度(PGA)(g)
pga=b=np.fabs(self.acc).max()
return pga
def __AcctoVelocity (self): #类的私有化方法（前置两下划线）
#将加速度(g)转换为速度(cm/s)
vel=[0]
acc=self.acc
for i in range(self.num-1):
velocity=(acc[i]+acc[i+1])*self.t/2*981+vel[-1]
vel.append(velocity)
return vel
def PGV (self):
#返回Velocity的最大峰值速度(PGV)(cm/s)
veloc=self.__AcctoVelocity()
pgv=b=np.fabs(veloc).max()
return pgv
if __name__=='__main__':#测试用
acc=np.loadtxt("acceleration.txt")#txt数据的加载
imInstance=IMs(acc,0.01)#强度指标类的实例化
pga=imInstance.PGA()#调用类中的方法计算PGA
pgv=imInstance.PGV()
print ("PGA=",round(pga,3),"g") #保留3位小数PGA= 1.219 g
print ("PGV=",round(pgv,3),"cm/s")PGV= 114.471 cm/s
常用网站：
matplotlib(第三方绘图库）
Numpy(科学计算基本库)
Scipy(集成了数学，科学及工程常用库)
SymPy(符号运算库)
Python教程(官方教程中文版)
Python标准库(Python内置标准库)
wxPython(图形用户界面库)
pypi(大量第三方包库)
Scikit-learn(python机器学习库)
PyOpenGL(基于Python的图形开发库)
stackoverflow(程序员交流答疑网站)
台大李宏毅机器学习(中文机器学习经典课程)
斯坦福吴恩达机器学习(英文机器学习经典课程)
斯坦福吴恩达深度学习(英文深度学习经典课程)
github上python资源 (收集了一些不错的python教程)
github(代码管理及发布网站，可以免费搭建个人博客)
MCMC(基于马尔科夫蒙特卡洛的贝叶斯模型)
推荐书籍:
主要涉及到python文件的操作,列表,字典及列表解析等
完整的项目见github-PEERMotionFormatProcess-with-Python
##########################################################################
import os
import numpy as np
import shutil
##########################################################################
def peerMotionProcess (fileName):
"""
Processing each file and return the processed resutls(percolumn data list,
timestep and pointers number)
"""
accList=[]
fopen=open(fileName) #打开文件
saveList1=[]
saveList2=[]
lines=fopen.readlines() #读取所有的行并返回列表
for line_counter,line in enumerate(lines): #遍历行号及每行内容
curLine=line.strip().split(" ") #去除首尾空格，并按行内空格划分
removeSpace=[x for x in curLine if x!=""] #去除行内空格
if line_counter<=3: #从前四行提取地震波点数与采样间隔
[saveList1.append(x) for x in removeSpace] #前四行内容列表
else:
[saveList2.append(x) for x in removeSpace] #地震波时程点
fopen.close() #关闭文件
indexNumber=saveList1.index("NPTS=") #索引位置
indexDt=saveList1.index("DT=")
pointNumber=saveList1[indexNumber+1].split(",")[0] #提取数字
deltaT=saveList1[indexDt+1].split(",")[0]
saveList=[ float(x) for x in saveList2]
return pointNumber,deltaT,saveList #返回地震波点数，采样间隔及时程列表
##########################################################################
if __name__=='__main__':
direction=["E","N","V"]
postFixList=[".AT2",".VT2",".DT2"]
timeFileDict={".AT2":"Acceleration",".VT2":"Velocity",".DT2":"Displacement"}
#Generating all saving file paths
midirList=[(topFile,secFile) for topFile in timeFileDict.values() \
for secFile in direction]
#Clearing existing files
[shutil.rmtree(x) for x in timeFileDict.values()]
for toplevel,seclevel in midirList:
os.makedirs(toplevel+"/"+seclevel)#generate save files
fileListE=[]
fileListN=[]
fileListV=[]
# text file read and process
fileNameOpen=open("FileName.txt")
for line in fileNameOpen.readlines():
curLine=line.strip().split("\t") #分割同一行各个分量
fileListE.append(curLine[0].split(".AT2")[0])#水平E向分量名称
fileListN.append(curLine[1].split(".AT2")[0])#水平N向分量名称
fileListV.append(curLine[2].split(".AT2")[0])#竖向V分量名称
fileNameOpen.close()
finalLengthList=[]
finaltimeList=[]
finalFileNameList=[]
for i1 in range(len(fileListE)): #遍历每条地震波
fileNameENV=[{fileListE[i1]:direction[0]},{fileListN[i1]:direction[1]},\
{fileListV[i1]:direction[2]}]#将各个分量地震文件名与方向标签对应
caseList=[(xx,yy) for xx in fileNameENV for yy in postFixList]#双循环实现每个
#工况，总共9个，加速度，速度及位移文件夹下建E,N,V三个分量文件夹
lengthList=[] #每条波点数列表
timeList=[]#每条波采样间隔
for eachCase in caseList:
fileDirection=eachCase[0].values()[0]# eachCase[0]是字典，
#选取的是方向E,N或者V
filePrefix=eachCase[0].keys()[0].strip()#移除分量名首尾空格
loadFilePath=os.path.join("downLoadPeerMotion/",filePrefix+eachCase[1])
#地震动分量的相对路径
if filePrefix=="NoFile":#判断地震动分量文件是否存在
accPointNum=1e8 #对于不存在的文件设其点数为一大数
accDeltaT=1e8
accTimeHistory=[0.0]
else:
accResult=peerMotionProcess (loadFilePath) #调用地震波处理函数
accPointNum=int(accResult[0])
accDeltaT=float(accResult[1])
accTimeHistory=accResult[2]
lengthList.append(accPointNum)
timeList.append(accDeltaT)
cwd=os.getcwd() #返回当前工作目录
savePathName=os.path.join(cwd,timeFileDict[eachCase[1]]+"/"+\
fileDirection+"/",filePrefix+".txt")
#文件保存路径
np.savetxt(savePathName,accTimeHistory,fmt="%f") #保存处理后的地震波
finalLengthList.append(min(lengthList)) #选取3个分量中最小值
finaltimeList.append(min(timeList))
np.savetxt("MotonLength.txt",finalLengthList,fmt="%d")
np.savetxt("deltaT.txt",finaltimeList,fmt="%f") 主要涉及python与Opensees的交互，异常的处理等
完整的项目见github-Cable-force-optimization-of-a-curved-cable-stayed-bridge
主要涉及python桌面程序的开发等
完整的项目见github-seismicWaveAnalysis
主要涉及wxPython,PyOpenGL,类及设计模式等
完整的项目见git-2DTrussStructureAnalysisWithPython
- 进入python安装目录Scripts文件夹，shift+ctrl+鼠标右键打开powershell窗口，或者在当前文件栏输入cmd进入命令行窗口
- 在命令行输入：pip3 install jupyterlab开始自动安装
- 在jupyter文件所在目录栏输入cmd进入命令行，输入jupyter lab打开，进入jupyterlab界面。关于jupyterlab的更多知识可参考官方帮助文档。
- 登录到pypi注册账户，记住自己的用户名与密码，上传包的时候需要用到。
- 准备待发布的包
- 包的格式
包括setup.py文件及包文件(包含__init__.py的文件,可以什么也不写)
setup.py文件
#setup.py
from distutils.core import setup
from setuptools import setup, find_packages #导入发布模块
setup(
name = 'testPackage', #包的名称
version = '0.1.2', #版本号
keywords = ('seismic', 'signal'), #包的关键字
description = 'seismic wave analysis', #对包的描述
license = 'MIT License', #许可证
author = 'Junjun Guo',#作者信息
author_email = '[email protected]', #邮箱
url='https://github.com/Junjun1guo/seismicWaveAnalysis',#包的链接
packages = find_packages(),#需要具有__init__.py文件的文件夹
install_requires=['wxPython','numpy'],#列出包依赖的包
platforms = 'any', #跨平台
)-
在包的当前路径打开命令行，安装twine模块
-
生成上传包：python set.py sdist bdist_wheel
-
上传包到pypi: twine upload dist/*
-
在python scripts文件夹打开命令行安装上传的包，并会自动搜索安装依赖的其他包：pip install 包名
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent