Die Verwendung grundlegender Konstanten ist ein zentraler Bestandteil des wissenschaftlichen Rechnens. SciPy stellt das Modul `scipy.constants` zur Verfügung, das Zugriff auf viele der wichtigsten physikalischen Konstanten bietet, wie zum Beispiel **Plancksches Wirkungsquantum** (`h`) und die **Lichtgeschwindigkeit** (`c`). Diese Konstanten sind unerlässlich, wenn physikalische oder ingenieurwissenschaftliche Probleme gelöst werden müssen, die präzise Berechnungen erfordern. Ein häufiges Anwendungsbeispiel ist die Berechnung der **Energie eines Photons**, wenn dessen Frequenz bekannt ist – eine praxisnahe Aufgabe in Physik, Chemie und Ingenieurwesen.


import unittest
import user_code
import ast
import re   
import unittest
import importlib
import math

class TestTask(unittest.TestCase):
    def test_photon_energy_5e14(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.photon_energy(5e14)
        expected = getattr(user_code, 'h', None) * 5e14
        _dynamic_test(
            self,
            math.isclose(result, expected, rel_tol=1e-12),
            "Function returns correct energy for frequency 5e14 Hz",
            f"Expected {expected}, got {result}",
        )

    def test_photon_energy_zero(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.photon_energy(0)
        _dynamic_test(
            self,
            result == 0.0,
            "Function returns 0.0 for frequency 0",
            f"Expected 0.0, got {result}",
        )

    def test_photon_energy_1e15(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.photon_energy(1e15)
        expected = getattr(user_code, 'h', None) * 1e15
        _dynamic_test(
            self,
            math.isclose(result, expected, rel_tol=1e-12),
            "Function returns correct energy for frequency 1e15 Hz",
            f"Expected {expected}, got {result}",
        )

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

def normalize_text(text):
    text = text.lower()
    text = re.sub(r"\s{2,}", " ", text)
    text = re.sub(r"\s*([,:?])\s*", r"\1 ", text)
    return text.strip()

def change_var(code: str, var_name: str, value: str) -> str:
    tree = ast.parse(code)
    lines = code.splitlines()
    for i, node in enumerate(tree.body):
        if isinstance(node, ast.Assign):
            for target in node.targets:
                if isinstance(target, ast.Name) and target.id == var_name:
                    start_line = node.lineno - 1
                    line = lines[start_line]
                    indent = ' ' * (len(line) - len(line.lstrip()))
                    lines[start_line] = f"{indent}{var_name} = {value}"
                    next_line = len(lines)
                    for next_node in tree.body[i+1:]:
                        if hasattr(next_node, 'lineno'):
                            next_line = next_node.lineno - 1
                            break
                    if next_line > start_line + 1:
                        lines[start_line+1:next_line] = []
                    
                    return '\\n'.join(lines)
    return code

if __name__ == "__main__":
    unittest.main()


test_main.py

Ein umfassender Kurs, der für Studierende mit fundierten Mathematikkenntnissen und fortgeschrittenen Python-Kenntnissen konzipiert ist und sich auf die Nutzung von SciPy für wissenschaftliches Rechnen, Optimierung, Integration und fortgeschrittene mathematische Operationen konzentriert.

Erkunden Sie die Struktur, Kernmodule und wesentlichen Funktionen von SciPy für wissenschaftliches Rechnen.

Tauchen Sie ein in die leistungsstarken linearen Algebra-Funktionen von SciPy zur Lösung realer mathematischer Probleme.

Beherrschung von Optimierungstechniken und Nullstellenalgorithmen mit SciPy für wissenschaftliche und technische Fragestellungen.

Erkunden Sie fortgeschrittene mathematische Operationen wie Integration, Interpolation und grundlegende Signalverarbeitung mit SciPy.

Herausforderung: Konstanten in Wissenschaftlichen Berechnungen

Lösung